生物声学传感器网络中的鲁棒声音事件检测
声音
2019-10-31 v2 人工智能
机器学习
音频与语音处理
摘要
生物声学传感器，有时称为自主记录单元（ARU），能够以可扩展且微创的方式长时间记录野生动物声音。从这些传感器推导各物种的丰度估计需要对动物发声作为个体声学事件进行检测、分类和量化。然而，环境噪声随时间与传感器之间的变异性阻碍了当前自动化声音事件检测（SED）系统（如时频域中的卷积神经网络（CNN））的可靠性。在本文中，我们开发、基准测试并组合了若干机器听觉技术，以提升 SED 模型在异质声学环境中的泛化能力。作为一个案例研究，我们考虑从十小时夜间鸟类迁徙录音中检测鸟类飞行鸣叫的问题，该录音由六个 ARU 组成的网络在异质背景噪声下录制。从在该任务上取得最先进精度的 CNN 出发，我们引入了两种噪声自适应技术，分别整合短期（60 毫秒）与长期（30 分钟）上下文。首先，我们在时频域应用每通道能量归一化（PCEN），其对梅尔频率谱图中每个子带施加短期自动增益控制。其次，我们将网络中最后的密集层替换为上下文自适应神经网络（CA-NN）层。将二者结合产生了由人工数据增强单独无法匹敌的最先进结果。我们以 BirdVoxDetect 之名发布我们性能最佳系统的预训练版本，这是一个可用于野外录音中鸟类飞行鸣叫检测的现成检测器。
引用
@article{arxiv.1905.08352,
title = {Robust sound event detection in bioacoustic sensor networks},
author = {Vincent Lostanlen and Justin Salamon and Andrew Farnsworth and Steve Kelling and Juan Pablo Bello},
journal= {arXiv preprint arXiv:1905.08352},
year = {2019}
}
备注
32 pages, in English. Submitted to PLOS ONE journal in February 2019; revised August 2019; published October 2019