野外鸟类声音的弱监督分类与检测：一种 BirdCLEF 2021 解决方案
声音
2021-07-13 v1 多媒体
音频与语音处理
摘要
听鸟鸣比见鸟更容易，然而鸟类在自然中仍扮演重要角色，并且是环境质量恶化和污染的优秀指示物。机器学习与卷积神经网络的最新进展使我们能够检测并分类鸟类声音，通过此举，我们可以协助研究人员监测生态系统中鸟类种群与生物多样性的状况及趋势。我们提出一种声音检测与分类流程，用于分析复杂的声景录音并识别背景中的鸟鸣。我们的流程从弱标签中学习，对野外细粒度鸟类发声进行分类，并且对背景声音（例如飞机、雨等）具有鲁棒性。我们的解决方案在 Kaggle 上举办的 BirdCLEF 2021 挑战赛中以 816 支队伍中的第 10 名完赛。
引用
@article{arxiv.2107.04878,
title = {Weakly-Supervised Classification and Detection of Bird Sounds in the Wild. A BirdCLEF 2021 Solution},
author = {Marcos V. Conde and Kumar Shubham and Prateek Agnihotri and Nitin D. Movva and Szilard Bessenyei},
journal= {arXiv preprint arXiv:2107.04878},
year = {2021}
}
备注
Proceedings Working Notes CEURWS @ CLEF 2021 - BirdCLEF 2021