基于机器学习的少样本生物声学事件检测
音频与语音处理
2022-11-02 v1 声音
信号处理
摘要
少样本学习是一种通过对每个类别有限数量的样本进行预测的分类方法。此类分类有时被称为元学习问题，其中模型学习如何学会识别罕见情况。我们旨在从哺乳动物或鸟类的五个示例发声中提取信息，并在野外录音中检测与分类这些声音 [2]。该任务由 2021 年声学场景与事件检测及分类（DCASE）挑战赛提供。我们未采用最为常见的深度学习方法，而是仅使用机器学习方法构建了一种新颖的解决方案。测试了多种模型，发现逻辑回归优于线性回归与模板匹配。然而，所有这些方法均过高预测了野外录音中的事件数量。
引用
@article{arxiv.2211.00569,
title = {Few-shot Bioacoustic Event Detection with Machine Learning Methods},
author = {Leah Chowenhill and Gaurav Satyanath and Shubhranshu Singh and Madhav Mahendra Wagh},
journal= {arXiv preprint arXiv:2211.00569},
year = {2022}
}
备注
7 pages, 6 tables, 1 figure