基于对比学习的水下声学目标识别通用嵌入计算
声音
2025-05-20 v1 人工智能
音频与语音处理
摘要
海洋环境中声音污染水平不断提高，构成对海洋健康的日益增长威胁，这使得监控水下噪声变得至关重要。通过监控这些噪声，可映射出负责污染的噪声来源。监控工作通过被动监听这些声音来完成，生成大量数据记录，捕获诸如船舶活动和海洋哺乳动物鸣叫等混合声源。尽管机器学习为自动声学分类提供了有前景的解决方案，但当前的领先方法采用监督式学习，需大量高质量标记数据而这些数据在公开获取方面有限。相比之下，大量低质量无标记数据可公开获取，为探索无监督式学习技术提供了机会。本研究通过实现一种无监督对比学习方法来探索这一可能性。具体而言，在这些低质量无标记数据上对基于 Conformer 编码器的编码器进行优化，采用所谓的方差-不变性-协方差正则化损失函数，并实现标签数据之间的翻译。通过涉及识别船舶类型和海洋哺乳动物鸣叫的分类任务，我们的方法展示出能够产生稳健且通用的嵌入。这表明无监督方法在各种自动水下声学分析任务中具有潜力。
引用
@article{arxiv.2505.12904,
title = {The Computation of Generalized Embeddings for Underwater Acoustic Target Recognition using Contrastive Learning},
author = {Hilde I. Hummel and Arwin Gansekoele and Sandjai Bhulai and Rob van der Mei},
journal= {arXiv preprint arXiv:2505.12904},
year = {2025}
}