基于半监督数据集标注的迁移学习用于鸟鸣分类
声音
2024-07-10 v1 信息检索
机器学习
音频与语音处理
摘要
我们提交了关于利用半监督数据集标注进行迁移学习以参加BirdCLEF 2023竞赛的工作笔记，该竞赛聚焦于在录音声景中识别非洲鸟类物种。我们的方法利用现有的现成模型BirdNET和MixIT来解决竞赛中的表示与标注挑战。我们探究了BirdNET所学到的嵌入空间，并提出了一种推导用于监督学习的标注数据集的流程。我们的实验涉及多种模型和特征工程方法，以在竞赛排行榜上最大化性能。结果证明了我们的方法在鸟类物种分类中的有效性，并凸显了迁移学习和半监督数据集标注在类似任务中的潜力。
引用
@article{arxiv.2306.16760,
title = {Transfer Learning with Semi-Supervised Dataset Annotation for Birdcall Classification},
author = {Anthony Miyaguchi and Nathan Zhong and Murilo Gustineli and Chris Hayduk},
journal= {arXiv preprint arXiv:2306.16760},
year = {2024}
}
备注
BirdCLEF working note submission to Multimedia Retrieval in Nature (LifeCLEF) for CLEF 2023