使用卷积神经网络与新声学表示的海洋哺乳动物物种分类
声音
2019-08-01 v1 机器学习
音频与语音处理
机器学习
摘要
由于出于保护目的分析大量数据的必要性，国际上关于检测和分类声学记录中海洋哺乳动物的自动化系统的研究正在扩展。本工作中，我们提出一种卷积神经网络，能够分类三种鲸的发声、非生物噪声源以及第五类环境噪声。以此方式，该分类器能够检测声学记录中鲸发声的有无。通过迁移学习，我们表明该分类器能够学习高层表示并可泛化到额外物种。我们还提出了一种新颖的声学信号表示，它基于常用的谱图表示，通过插值和堆叠使用不同短时傅里叶变换（STFT）参数生成的多个谱图构建。所提表示对于海洋哺乳动物物种分类任务特别有效，因为我们试图分类的声学事件对 STFT 的参数敏感。
引用
@article{arxiv.1907.13188,
title = {Marine Mammal Species Classification using Convolutional Neural Networks and a Novel Acoustic Representation},
author = {Mark Thomas and Bruce Martin and Katie Kowarski and Briand Gaudet and Stan Matwin},
journal= {arXiv preprint arXiv:1907.13188},
year = {2019}
}
备注
16 pages, To appear in ECML-PKDD 2019