Abstract: Bird sound classification

Abstract: Bird sound classification plays an important role in large-scale temporal and spatial en- vironmental monitoring. In this paper, we investigate both transfer learning and training from scratch for bird sound classification, where pre-trained models are used as feature extractors. Specifically, deep cascade features are extracted from various layers of different pre-trained models, which are then fused to classify bird sounds. A multi-view spectrogram is constructed to charac- terize bird sounds by simply repeating the spectrogram to make it suitable for pre-trained models. Furthermore, both mixup and pitch shift are applied for augmenting bird sounds to improve the classification performance. Experimental classification on 43 bird species using linear SVM indicates that deep cascade features can achieve the highest balanced accuracy of 90.94% ± 1.53%. To further improve the classification performance, an early fusion method is used by combining deep cascaded features extracted from different pre-trained models. The final best classification balanced accuracy is 94.89% ± 1.35%.

ผลลัพธ์ (ไทย) 1:

บทคัดย่อ: การจำแนกเสียงนกมีบทบาทสำคัญในการตรวจติดตามสิ่งแวดล้อมทั้งทางโลกและอวกาศในวงกว้าง ในบทความนี้ เราตรวจสอบทั้งการถ่ายโอนการเรียนรู้และการฝึกอบรมตั้งแต่เริ่มต้นสำหรับการจำแนกเสียงนก โดยที่แบบจำลองที่ได้รับการฝึกอบรมล่วงหน้าจะถูกใช้เป็นตัวแยกคุณลักษณะ โดยเฉพาะอย่างยิ่ง คุณลักษณะการเรียงซ้อนแบบลึกจะถูกดึงมาจากเลเยอร์ต่างๆ ของโมเดลที่ผ่านการฝึกอบรมมาแล้วหลายชั้น ซึ่งจากนั้นจะหลอมรวมกันเพื่อจำแนกเสียงนก สเปกโตรแกรมหลายมุมมองถูกสร้างขึ้นเพื่อแสดงลักษณะเสียงนกโดยเพียงแค่ทำซ้ำสเปกโตรแกรมเพื่อให้เหมาะสำหรับรุ่นที่ผ่านการฝึกอบรมมาแล้ว นอกจากนี้ ทั้งการผสมและการเปลี่ยนระดับเสียงยังใช้เพื่อเพิ่มเสียงนกเพื่อปรับปรุงประสิทธิภาพการจำแนกประเภท การจำแนกประเภทการทดลองกับนก 43 สายพันธุ์โดยใช้ SVM เชิงเส้นบ่งชี้ว่าลักษณะน้ำตกแบบลึกสามารถให้ความแม่นยำที่สมดุลสูงสุดที่ 90.94% ± 1.53% เพื่อปรับปรุงประสิทธิภาพการจำแนกประเภทให้ดียิ่งขึ้น จะมีการใช้วิธีการฟิวชั่นเบื้องต้นโดยการรวมคุณลักษณะแบบเรียงซ้อนแบบลึกที่แยกมาจากแบบจำลองที่ได้รับการฝึกล่วงหน้าต่างๆ ความแม่นยำในการจำแนกประเภทที่ดีที่สุดขั้นสุดท้ายคือ 94.89% ± 1.35%

ผลลัพธ์ (ไทย) 2:

สรุป: การจำแนกเสียงนกมีบทบาทสำคัญในการตรวจสอบสภาพแวดล้อมเวลาและพื้นที่ขนาดใหญ่ ในบทความนี้เราได้ศึกษาการเรียนรู้การย้ายถิ่นของการจำแนกประเภทของเสียงนกและการฝึกอบรมตั้งแต่เริ่มต้นซึ่งแบบจำลองที่ได้รับการฝึกฝนล่วงหน้าถูกใช้เป็นตัวแยกลักษณะ โดยเฉพาะการสกัดลักษณะน้ำตกลึกจากชั้นต่าง ๆ ของรูปแบบก่อนการฝึกอบรมที่แตกต่างกันแล้วหลอมรวมเพื่อจัดเรียงเสียงร้องของนก กราฟเสียงหลายมุมมองถูกสร้างขึ้นเพื่อระบุเสียงของนกโดยการทำซ้ำกราฟเสียงเพื่อให้เหมาะกับรูปแบบที่ได้รับการฝึกฝนล่วงหน้า นอกจากนี้ ยังมีการประยุกต์ใช้ทั้งไฮบริดและโซนออฟเซ็ตเพื่อเสริมเสียงของนกเพื่อเพิ่มประสิทธิภาพการจัดหมวดหมู่ การทดลองการจำแนกประเภทของนก 43 ชนิดโดยใช้ SVM เชิงเส้นแสดงให้เห็นว่าคุณลักษณะน้ำตกลึกสามารถเข้าถึงความถูกต้องสมดุลสูงสุด 90.94% ± 1.53%

ผลลัพธ์ (ไทย) 3:

บทคัดย่อ:การจําแนกเสียงนกมีบทบาทสําคัญในการตรวจสอบสภาพแวดล้อมเชิงพื้นที่และเวลาขนาดใหญ่ ในบทความนี้เราได้ศึกษาสองวิธีในการจําแนกประเภทของเสียงนกโดยการเรียนรู้การโยกย้ายและการฝึกอบรมตั้งแต่เริ่มต้นโดยใช้แบบจําลองที่ได้รับการฝึกฝนไว้ล่วงหน้าเป็นตัวสกัดคุณลักษณะ โดยเฉพาะอย่างยิ่งคุณลักษณะcascadeลึกจะถูกแยกออกจากชั้นต่างๆของโมเดลpre-trainingที่แตกต่างกันและคุณลักษณะเหล่านี้จะถูกรวมเข้าด้วยกันเพื่อจําแนกเสียงนก โดยการทําซ้ําสเปกตรัมอะคูสติกเพื่อให้เหมาะกับรูปแบบที่ได้รับการฝึกฝนก่อนการสร้างสเปกตรัมอะคูสติกหลายมุมมองเพื่ออธิบายถึงเสียงของนก นอกจากนี้ทั้งการผสมและการเคลื่อนไหวโทนจะใช้เพื่อเพิ่มเสียงของนกเพื่อปรับปรุงประสิทธิภาพการจัดหมวดหมู่ การจําแนกประเภทของนก43ชนิดโดยใช้SVMเชิงเส้นแสดงให้เห็นว่าความถูกต้องสมดุลของคุณลักษณะcascadedลึกสูงที่สุดคือ90.94 %±1.53 % เพื่อปรับปรุงประสิทธิภาพการจัดหมวดหมู่ต่อไปวิธีการฟิวชั่นต้นจะใช้โดยการรวมคุณลักษณะcascadedลึกที่สกัดจากโมเดลที่ผ่านการฝึกอบรมก่อน ความถูกต้องของการจําแนกประเภทที่ดีที่สุดคือ94.89 %±1.35 %