iNaturalist 声音数据集
声音
2025-06-03 v1 机器学习
音频与语音处理
摘要
我们提出 iNaturalist Sounds Dataset (iNatSounds)，这是一个包含 230,000 个音频文件的数据集，记录了来自全球超过 27,000 名录音者的 5,500 多个物种的声音。该数据集涵盖了鸟类、哺乳动物、昆虫、爬行动物和两栖动物的声音，其音频和物种标签源自提交至全球公民科学平台 iNaturalist 的观察记录。数据集中的每段录音长度不一，并包含单一物种标注。我们对多种骨干架构进行了基准测试，比较多分类目标与多标签目标。尽管存在弱标签，我们通过在强标签下游评估数据集上进行基准测试，证明 iNatSounds 是一种有用的预训练资源。该数据集以单一且可自由访问的存档形式提供，促进了这一重要领域的可及性与研究。我们设想，基于该数据训练的模型将驱动下一代公众参与应用，并协助生物学家、生态学家和土地管理者处理大量音频集合，从而有助于理解多样化声景中的物种组成。
引用
@article{arxiv.2506.00343,
title = {The iNaturalist Sounds Dataset},
author = {Mustafa Chasmai and Alexander Shepard and Subhransu Maji and Grant Van Horn},
journal= {arXiv preprint arXiv:2506.00343},
year = {2025}
}