SSL-Net：一种谱特征与学习特征协同的鸟类声音高效分类网络
声音
2023-12-27 v2 音频与语音处理
摘要
高效且准确的鸟类声音分类对生态学、栖息地保护和科学研究具有重要意义，因其在监测物种分布与多度中起着核心作用。然而，主流方法通常需要大量标注音频数据集且框架高度定制化，带来沉重的计算与标注负担。在本研究中，我们提出一种高效且通用的框架 SSL-Net，它结合谱特征与学习特征来识别不同的鸟类声音。在一个标准野外采集鸟类音频数据集上获得的令人鼓舞的实证结果，验证了我们的方法在有限样本量下仍能高效提取特征并取得更高鸟类声音分类性能的有效性。此外，我们提出三种特征融合策略，通过定量分析辅助工程师与研究人员进行选择。
引用
@article{arxiv.2309.08072,
title = {SSL-Net: A Synergistic Spectral and Learning-based Network for Efficient Bird Sound Classification},
author = {Yiyuan Yang and Kaichen Zhou and Niki Trigoni and Andrew Markham},
journal= {arXiv preprint arXiv:2309.08072},
year = {2023}
}
备注
Accepted by IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP 2024)