面向高密度鸟鸣场景的多音声音事件检测
声音
2022-07-14 v1 音频与语音处理
摘要
日出前一小时,人们可体验到黎明合唱,不同种类的鸟类一同鸣唱。在此场景中,高程度的复调性(即重叠声源的数量)极易出现,导致复杂的声学结果。声音事件检测(SED)任务分析声学场景,以识别发生的事件及其各自时间信息。然而,高密度场景可能难以处理且尚未被深入研究。本文中,我们利用卷积循环神经网络(CRNN)展示了在处理更高复调性时如何检测鸟鸣复调场景,以及此类模型如何有效应对多达 10 只鸟重叠的极密集场景。我们发现,用更密集样本(即更高复调性)训练的模型,其学习速率与训练集中使用更简单样本的模型相似。此外,用最密集样本训练的模型对所有复调性保持了稳定得分,而用最稀疏样本训练的模型随复调性增加性能下降。我们的结果表明,高密度声学场景可使用 CRNN 处理。我们期望本研究可作为处理如黎明合唱或其他密集声学问题等高种群鸟类场景的起点。
引用
@article{arxiv.2207.06349,
title = {Polyphonic sound event detection for highly dense birdsong scenes},
author = {Alberto García Arroba Parrilla and Dan Stowell},
journal= {arXiv preprint arXiv:2207.06349},
year = {2022}
}