无监督异常检测以改善鸟类音频数据集标签

Xeno-Canto 鸟类音频存储库是关注鸟类声振及其他声音研究者的宝贵资源，这对于机器学习研究人员而言尤为重要，他们正尝试提高鸟类种类识别分类模型的准确率。然而，从该众包存储库中提取标记数据集面临多个挑战。对机器学习实践者而言，尤其重要的挑战是：每段音频录音被标记为一种鸟类种类，但经常还捕获到其他声音，包括其他鸟类种类、其他动物声音、人为噪声及其他环境声。这些非目标鸟类声音可能导致数据集标记不一致，即标签噪声 (label noise)。本工作提出了一套清洗流程，包括音频预处理、降维和无监督异常检测 (UOD)，以减少从 Xeno-Canto 录音中派生的数据集的标签噪声。我们研究了三种神经网络降维技术：两种卷积自编码器和变分深层嵌入 (VaDE)。虽然两种方法在大多数鸟类种类数据集上都表现出一定程度的有效性，但我们发现不同鸟类种类之间的表现存在显著差异。我们认为，这一调查结果表明，本工作提出的清洗流程可有效减少从 Xeno-Canto 音频存储库中派生的鸟类种类数据集的标签噪声，但不同鸟类种类的结果差异较大。