[論文レビュー] Classification for Big Dataset of Bioacoustic Signals Based on Human Scoring System and Artificial Neural Network

Mohammad Pourhomayoun, Peter J. Dugan+4 more|arXiv (Cornell University)|May 15, 2013

Music and Audio Processing参考文献 23被引用数 9

ひとこと要約

本稿では、時間周波数スペクトログラム特徴量を用いて、人間の知覚スコアと人工ニューラルネットワーク（ANN）を統合するハイブリッドバイオアコースティック信号分類手法を提案する。人間がラベル付けした信号品質スコアを用いてANNを訓練することで、24か月にわたる大規模なバイオアコースティックデータセットにおいて、固定された偽陽性率での真正陽性率が最大20%向上し、検出性能が顕著に向上した。

ABSTRACT

In this paper, we propose a method to improve sound classification performance by combining signal features, derived from the time-frequency spectrogram, with human perception. The method presented herein exploits an artificial neural network (ANN) and learns the signal features based on the human perception knowledge. The proposed method is applied to a large acoustic dataset containing 24 months of nearly continuous recordings. The results show a significant improvement in performance of the detection-classification system; yielding as much as 20% improvement in true positive rate for a given false positive rate.

研究の動機と目的

• 大規模なバイオアコースティック信号データセットにおける分類性能を向上させるために、機械学習に人間の知覚を統合すること。
• 連続的で長期的な音声記録における動物の鳴き声の正確な検出と分類の課題に対処すること。
• 人間がラベル付けした信号品質スコアを監視信号として活用するスケーラブルな手法を開発すること。
• 実世界のバイオアコースティック応用において、知覚的知識と信号処理、ディープラーニングを組み合わせた有効性を示すこと。

提案手法

• 本手法は、生のバイオアコースティック信号から時間周波数スペクトログラム特徴量を抽出し、音声コンテンツを表現する。
• 人間の専門家が信号セグメントの知覚的品質をスコア付けし、これを人工ニューラルネットワークの訓練ラベルとして用いる。
• 人工ニューラルネットワークは、スペクトログラムから得られる特徴量に基づいて人間の知覚スコアを予測するように訓練され、知覚的に関連する信号パターンを効果的に学習する。
• 訓練されたANNを用いて、新しい信号の知覚的に顕著または意味のある可能性を予測することで、信号を分類する。
• システムは、24か月にわたるバイオアコースティックデータをカバーする大規模なデータセット上で評価される。
• 性能は、真正陽性率や偽陽性率を含む標準的な検出指標を用いて測定される。

実験結果

リサーチクエスチョン

• RQ1 人間の知覚スコアは、バイオアコースティック分類のための機械学習モデルを改善するために効果的に監視信号として使用可能か？
• RQ2 人間がラベル付けした信号品質スコアを統合することで、大規模なバイオアコースティックデータセットにおける検出性能はどの程度向上するか？
• RQ3 本手法は、真正陽性率および偽陽性率の観点から、従来の信号ベースの分類アプローチと比べてどのように異なるか？
• RQ4 人間のスコア付けデータを用いて訓練された場合、人工ニューラルネットワークはスペクトログラム表現から知覚的に関連する特徴を学習できるか？

主な発見

• 提案手法は、ベースライン手法と比較して、固定された偽陽性率における真正陽性率を最大20%向上させた。
• 訓練プロセスに人間の知覚スコアを統合することで、モデルの意味のあるバイオアコースティック信号の検出能力が顕著に向上した。
• 人工ニューラルネットワークは、スペクトログラム特徴量から人間の知覚スコアを効果的に予測することができ、知覚的に関連するパターンの的確な捉え込みを示した。
• 本システムは、24か月にわたる連続的なバイオアコースティック記録からなる大規模で現実世界のデータセットにおいても、頑健な性能を示した。