关于 Titi 猴活动检测的特征学习
声音
2024-07-02 v1 音频与语音处理
摘要
本文是我们前一篇发表作品的技术总结，介绍了一种用于检测 Coppery titi 猴叫声活动的稳健机器学习框架。该框架结合了 MFCC 特征和基于双向 LSTM 的分类器，有效解决了因专家标注的叫声数据量小而导致的挑战。我们的方法显著减少了误报率，并提高了生物声学研究中叫声检测的准确率。初始结果显示，在实例预测上达到 95% 的准确率，突显了该模型在环境音频录音中识别和分类复杂叫声模式的有效性。此外，我们展示了如何在下游完成叫声分类，为实际监控铺平了道路。
引用
@article{arxiv.2407.01452,
title = {On Feature Learning for Titi Monkey Activity Detection},
author = {Aditya Ravuri and Jen Muir and Neil D. Lawrence},
journal= {arXiv preprint arXiv:2407.01452},
year = {2024}
}