基于音频的自动大熊猫行为识别使用竞争性融合学习.
Yuancheng Li1, Yong Luo2, Qijun Zhao1,3
1College of Computer Science, Sichuan University, Chengdu 610065, China.
Sensors (Basel, Switzerland)
|July 12, 2025
概括
这项研究介绍了一种基于音频的系统,用于使用戴上项圈的设备进行大熊猫行为识别 (GPBR). 新的abPanda-5数据集和竞争性融合学习方法提高了保护工作的准确性.
科学领域:
- * 生物声学和野生动物保护
- * 机器学习用于动物行为分析.
背景情况:
- *自动化大熊猫行为识别 (GPBR) 对野生动物保护至关重要.
- *现有的研究主要集中在基于视频的方法上,忽视了音频数据.
- * 来自项圈设备的音频数据为GPBR提供了一个有前途的途径.
研究的目的:
- * 开发和评估一种基于音频的方法,用于自动GPBR.
- * 构建一个新的基准数据集,abPanda-5,用于大熊猫的音频识别.
- * 探索生物声学特征用于增强行为识别的实用性.
主要方法:
- *开发一种新的基于音频的GPBR系统,利用竞争性融合学习.
- *创建abPanda-5数据集,包括来自五只大熊猫的18930个音频样本,跨越五种行为.
- *对生物声学特征的分析,以提高识别准确性和稳定性.
主要成果:
- * 拟议的基于音频的方法在abPanda-5数据集上的大熊猫行为识别中取得了高准确性.
- *竞争性融合学习提高了识别性能,而不会增加推断过程中的计算开销.
- *abPanda-5数据集在培训和验证GPBR模型方面被证明是有效的.
结论:
- * 戴上项圈设备的音频数据是自动大熊猫行为识别的可行和有效资源.
- * 拟议的竞争性融合学习方法为GPBR提供了一个强大的方法.
- * 这项工作为通过生物声学推动大熊猫保护提供了有价值的数据集和方法.

