深度网络在音频谱图上标记鸟类鸣声位置
音频与语音处理
2017-11-20 v1 声音
摘要
本工作聚焦于开放场地记录中鸟类鸣声的可靠检测与分割。鸟类声音的声学检测可用于多类鸟类的自动监测，以及在长期记录中查询目标物种。这些任务在本工作中通过两种方法得以解决：A）首先，将DenseNets应用于周标记数据以推断数据集的注意力图（即显著性与CAM）。我们进一步将该思想导向基于YOLO v2 Deepnet的检测框架，以定位鸟类鸣声。B）一种深度自编码器，即U-net，将鸟类鸣声的音频谱图映射至其相应的二值掩码，该掩码圈定鸣声的谱块同时抑制其他音频源。我们仅关注需要最少人工参与、适于扫描海量数据的流程，以分析数据、评估见解与假设并识别鸟类活动模式。希望该方法对需要制定生物多样性政策的研究人员、保护从业者和决策者具有价值。
引用
@article{arxiv.1711.04347,
title = {Deep Networks tag the location of bird vocalisations on audio spectrograms},
author = {Lefteris Fanioudakis and Ilyas Potamitis},
journal= {arXiv preprint arXiv:1711.04347},
year = {2017}
}
备注
arXiv admin note: substantial text overlap with arXiv:1609.08408