用于提升鸟类鸣声录音数据集质量的无监督分类
机器学习
2023-02-16 v1 声音
音频与语音处理
摘要
Xeno-Canto 等开放音频数据库被广泛用于构建数据集，以探索鸟类鸣声 repertoire 或通过深度学习算法训练自动鸟声分类模型。然而，此类数据库存在弱标注问题：每条音频录音仅被赋予物种名称，而没有提供目标鸟类鸣声时间定位的时间戳。人工标注可解决该问题，但耗时、依赖专家且无法在大型数据集上开展。另一种方案是使用标注函数，在将标签分配给每个分割音频样本之前自动分割音频录音。尽管标注函数是为加速强标签分配而引入的，其分类性能在很大程度上仍属未知。为解决该问题并降低大型鸟类鸣声数据集中的标签噪声（错误标签分配），我们提出了一种以数据为中心的新型标注函数，由三个连续步骤组成：1）时频声学单元分割，2）为每个声学单元计算特征，以及 3）使用无监督 DBSCAN 算法或监督 BirdNET 神经网络将每个声学单元分类为鸟鸣或噪声。该标注函数在 44 种西古北界常见鸟类的鸣声上进行了优化、验证与测试。我们首先表明，仅鸟类鸣声的分割就依据物种不同聚合了 10% 至 83% 的标签噪声。我们还证明，我们的标注函数能够将数据集中存在的初始标签噪声显著降低至多三倍。最后，我们讨论了设计合适标注函数以最小专家标注工作量构建高质量动物发声数据集的不同思路。
引用
@article{arxiv.2302.07560,
title = {Unsupervised classification to improve the quality of a bird song recording dataset},
author = {Félix Michaud and Jérôme Sueur and Maxime Le Cesne and Sylvain Haupert},
journal= {arXiv preprint arXiv:2302.07560},
year = {2023}
}