通过主色彩添加改进鸟类分类
计算机视觉与模式识别
2025-07-25 v1 人工智能
声音
音频与语音处理
摘要
我们解决鸟类种类的分类问题，这是一项具有环境噪声、声纹重叠和缺失标签的挑战性任务。现有模型在低信噪比或多种鸟类录音时表现不佳。我们假设可以通过可视化鸟类的音调模式、速度和重复次数（统称为动机）来进行分类。应用于频谱图图像的深度学习模型有所帮助，但跨种类的相似动机导致混淆。为缓解此问题，我们采用主色彩添加将频率信息嵌入频谱图中。这有助于提高种类的区分度并改进分类准确率。我们的实验表明，所提出的方法在没有色彩化的模型上实现了统计显著的提升，并超越了 BirdCLEF 2024 获奖者，F1 分数提高 7.3%，ROC-AUC 提升 6.2%，CMAP 提升 6.6%。这些结果表明，通过色彩化方式Incorporate 频率信息的有效性。
引用
@article{arxiv.2507.18334,
title = {Improving Bird Classification with Primary Color Additives},
author = {Ezhini Rasendiran R and Chandresh Kumar Maurya},
journal= {arXiv preprint arXiv:2507.18334},
year = {2025}
}
备注
5 pages (Accepted to Interspeech 2025)