[論文レビュー] Bioacoustic Signal Classification Based on Continuous Region Processing, Grid Masking and Artificial Neural Network

Mohammad Pourhomayoun, Peter J. Dugan+2 more|arXiv (Cornell University)|May 15, 2013

Marine animal studies overview参考文献 13被引用数 18

ひとこと要約

本稿では、連続的領域処理、グリッドマスキング、および人工ニューラルネットワークを用いて、騒音環境下でも北大西洋ミンククジラのアップコールを検出する新しい生体音響信号分類手法を提示する。この手法は、スペクトログラムの注目領域を抽出し、グリッドマスキングによってそれらをコンactな特徴セットに縮小し、高い精度で分類する。マサチューセッツ湾から得た大規模データセットにおいて、90%の真正陽性率で4.5%未満の偽陽性率を達成した。

ABSTRACT

In this paper, we develop a novel method based on machine-learning and image processing to identify North Atlantic right whale (NARW) up-calls in the presence of high levels of ambient and interfering noise. We apply a continuous region algorithm on the spectrogram to extract the regions of interest, and then use grid masking techniques to generate a small feature set that is then used in an artificial neural network classifier to identify the NARW up-calls. It is shown that the proposed technique is effective in detecting and capturing even very faint up-calls, in the presence of ambient and interfering noises. The method is evaluated on a dataset recorded in Massachusetts Bay, United States. The dataset includes 20000 sound clips for training, and 10000 sound clips for testing. The results show that the proposed technique can achieve an error rate of less than FPR = 4.5% for a 90% true positive rate.

研究の動機と目的

• 高騒音の海洋環境下で微かに聞こえる北大西洋ミンククジラのアップコールを検出する課題に対処すること。
• 生体音響信号分類のための耐障害性の高い機械学習および画像処理パイプラインの開発。
• 分類に効果的である情報を保持したまま特徴次元を低減すること。
• 環境ノイズおよび干渉ノイズが存在する状況でも高い検出精度を達成すること。
• マサチューセッツ湾から得た大規模かつ現実的なデータセットを用いて、手法の妥当性を検証すること。

提案手法

• スペクトログラムに連続的領域処理を適用し、潜在的なアップコールに対応する注目領域を特定・抽出する。
• グリッドマスキングを用いて、検出された領域を固定サイズのグリッドに分割し、コンパクトで低次元の特徴ベクトルを生成する。
• 得られた特徴セットを人工ニューラルネットワーク分類器に供給し、アップコール検出を実行する。
• 音響信号を視覚的パターンとして扱うために、スペクトログラムに画像処理技術を応用する。
• トレーニングおよびテストデータセットは、それぞれマサチューセッツ湾で記録された20,000および10,000の音声クリップから構成される。
• 環境ノイズおよび干渉ノイズによるSNRが低い状況下でも、微かな信号を検出できるようにシステムを最適化している。

実験結果

リサーチクエスチョン

• RQ1 連続的領域処理は、騒音の多いスペクトログラムから潜在的なクジラのアップコールを効果的に分離できるか？
• RQ2 グリッドマスキングは、分類に必要な情報を保持したまま特徴次元を低減できるか？
• RQ3 領域処理、グリッドマスキング、ニューラルネットワークの組み合わせは、低SNR条件下でも高い検出精度を達成できるか？
• RQ4 高環境ノイズを伴う現実世界の大規模生体音響データセットにおいて、この手法はどの程度の性能を示すか？
• RQ5 希少で微かな信号に対して、高い真正陽性率を達成しながらも、偽陽性率を低く維持できるか？

主な発見

• 本手法は、90%の真正陽性率で4.5%未満の偽陽性率を達成し、高い検出精度を示した。
• 環境ノイズおよび干渉ノイズが非常に強い状況下でも、極めて微かなアップコールを正常に検出できた。
• グリッドマスキングの導入により、特徴空間が顕著に縮小され、効率的な処理と分類が可能になった。
• 連続的領域処理アルゴリズムは、スペクトログラムにおける背景ノイズから関連する信号成分を効果的に分離した。
• ニューラルネットワーク分類器は、マサチューセッツ湾の未学習のテストデータに対して優れた一般化性能を示した。
• 本アプローチは耐障害性が高く、リアルタイムまたは大規模な生体音響監視用途に適したスケーラブルな性能を有する。