利用声学监测与深度学习建模动物生物多样性
声音
2021-03-15 v1 机器学习
音频与语音处理
摘要
数个世纪以来，研究者利用声音监测和研习野生动物。传统上，保护主义者靠听觉辨识物种；然而，如今部署音频记录技术监测动物与生态系统声音已很常见。动物利用声音进行通信、交配、导航与领地防御。动物声音提供有价值的信息，并帮助保护主义者量化生物多样性。由于包括相机陷阱、便携式声学传感器、被动声学传感器乃至智能手机在内的多样传感器类型的可得性，声学监测日益流行。被动声学传感器易于部署，可长期运行以提供关于栖息地、动物鸣声及非法活动的见解。尽管该技术带来巨大益处，所生成数据量使处理成为保护主义者耗时之过程。因此，保护主义者有兴趣自动处理声学数据以加速生物多样性评估。处理这些大型数据源并从背景噪声中提取相关声音带来显著挑战。本文概述一种利用前沿机器学习从时序音频信号自动提取特征，并建模深度学习模型以依据鸣声分类不同鸟类的方法。获取的鸟鸣经梅尔频率倒谱（MFC）处理提取特征，随后由多层感知机（MLP）分类。我们提出的方法取得可喜结果：灵敏度 0.74、特异度 0.92、准确率 0.74。
引用
@article{arxiv.2103.07276,
title = {Modelling Animal Biodiversity Using Acoustic Monitoring and Deep Learning},
author = {C. Chalmers and P. Fergus and S. Wich and S. N. Longmore},
journal= {arXiv preprint arXiv:2103.07276},
year = {2021}
}