基于全卷积神经网络的多物种鸟鸣识别
声音
2024-02-09 v1 音频与语音处理
摘要
本研究提出了一种基于全卷积神经网络（FCN）的方法，从鸟类的鸣叫声中识别候鸟，旨在确定哪些鸟类在何时经过特定区域。为确定最佳的FCN架构，通过网格搜索进行了广泛的实验，探索了网络的最优深度、宽度和激活函数。结果表明，最宽层的最优滤波器数量为400，包含4个带最大池化的卷积块和一个自适应激活函数。所提出的FCN相比其他技术具有显著优势，因为它能以超过85%的准确率识别任意长度音频中的鸟鸣。此外，由于其架构特点，该网络能从音频中检测出不止一个物种，并能进行近实时的声音识别。另外，所提出的方法轻量级，非常适合在物联网设备中部署和使用。本研究还将所提出的方法与其他技术进行了比较分析，结果显示在最佳情况下性能提升超过67%。这些发现有助于推动鸟鸣识别领域的发展，并为FCN在实际场景中的应用提供了宝贵的见解。
引用
@article{arxiv.2402.05489,
title = {Multispecies bird sound recognition using a fully convolutional neural network},
author = {María Teresa García-Ordás and Sergio Rubio-Martín and José Alberto Benítez-Andrades and Hector Alaiz-Moretón and Isaías García-Rodríguez},
journal= {arXiv preprint arXiv:2402.05489},
year = {2024}
}