低资源物种无关的鸟类活动检测
音频与语音处理
2021-12-17 v1
摘要
本文探索了用于检测鸟类活动的低资源分类器和特征，适用于通常用于鸟类种群长期远程监测的嵌入式自动记录单元。特征包括低级频谱参数、音高样本的统计矩以及从幅度调制中导出的特征。使用 NIPS4Bplus 数据集在多个轻量级分类器上评估了性能。我们的实验表明，随机森林分类器在此任务上表现最佳，准确率达到 0.721，F1-Score 达到 0.604。我们将系统的结果与基于 Convolutional Neural Network 的检测器和标准 MFCC 特征进行了比较。我们的实验表明，使用计算成本更小且适合边缘部署的特征和模型，我们可以在大多数指标上达到同等或更好的性能。
引用
@article{arxiv.2112.09042,
title = {Low Resource Species Agnostic Bird Activity Detection},
author = {Mark Anderson and John Kennedy and Naomi Harte},
journal= {arXiv preprint arXiv:2112.09042},
year = {2021}
}
备注
This paper is accepted and presented at the IEEE Workshop on Signal Processing Systems (SiPS) October 2021, 3 Figures, 5 Tables