开发一个机器学习探测器,用于北大西洋驼背的歌曲
Vincent Kather1, Fabian Seipel1, Benoit Berges2
1Audio Communication and Technology, Technical University Berlin, Einsteinufer 17c, 10587, Berlin, Germany.
The Journal of the Acoustical Society of America
|March 13, 2024
概括
研究人员开发了一种自动机器学习模型来检测驼背的歌曲,大大减少了手动音频分析时间. 这种声学探测器 (AcoDet) 通过分析海洋哺乳动物的声音来加速生物声学研究.
科学领域:
- 海洋生物学 海洋生物学
- 生物声学是一种生物声学.
- 机器学习 机器学习
背景情况:
- 从被动声学监测数据中手动注释驼背的歌曲是耗时的.
- 机器学习,特别是卷积神经网络,显示了自动信号检测的前景.
研究的目的:
- 开发一种自动化系统来检测驼背的歌声.
- 为了减少生物声学研究所需的大量手动注释工作.
主要方法:
- 一个机器学习模型使用北大西洋驼背歌曲录音的大数据集进行了微调.
- 应用了数据增强技术 (时间转移,噪声,掩盖) 来提高模型的稳定性.
- 一个声学探测器框架 (AcoDet) 为模型的可用性和再培训而开发.
主要成果:
- 该模型实现了高性能,F-score值为0.88 (上下文窗口) 和0.89 (每小时).
- 低虚假阳性率被记录在内:0.05 (背景窗口) 和0.01 (每小时).
结论:
- 开发的机器学习模型和AcoDet框架显著减少了鱼歌曲分析的手动注释时间.
- 这种自动化加速了海洋生物声学和鱼发声研究的研究.


