[论文解读] 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 9

一句话总结

本文提出了一种混合生物声学信号分类方法，通过将人类感知评分与人工神经网络（ANNs）结合，利用时频谱图特征进行分析。通过在人类标注的信号质量评分上训练ANN，该系统在大规模24个月生物声学数据集上，于固定误报率下将真正例率最高提升了20%，显著提升了检测性能。

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.

研究动机与目标

• 通过将人类感知融入机器学习，提升大规模生物声学信号数据集中的分类性能。
• 解决在连续、长期声学记录中准确检测和分类动物鸣叫声的挑战。
• 开发一种可扩展的方法，利用人类标注的信号质量评分作为监督信号，训练ANNs。
• 展示将感知知识与信号处理及深度学习相结合，在真实世界生物声学应用中的有效性。

提出的方法

• 从原始生物声学信号中提取时频谱图特征，以表征声学内容。
• 由人类专家对信号段的感知质量进行评分，该评分用作人工神经网络的训练标签。
• 训练人工神经网络，基于谱图衍生特征预测人类感知评分，从而有效学习与感知相关的信号模式。
• 训练完成的ANN随后通过预测信号在感知上是否显著或有意义，用于新信号的分类。
• 系统在涵盖24个月生物声学数据的大型数据集上进行评估。
• 性能通过标准检测指标进行衡量，包括真正例率和误报率。

实验结果

研究问题

• RQ1 人类感知评分能否有效用作监督信号，以提升生物声学分类的机器学习模型？
• RQ2 在大规模生物声学数据集中，结合人类标注的信号质量评分在多大程度上能提升检测性能？
• RQ3 与传统基于信号的分类方法相比，所提出方法在真正例率和误报率方面表现如何？
• RQ4 当在人类评分数据上进行训练时，人工神经网络能否从谱图表示中学习到与感知相关的特征？

主要发现

• 与基线方法相比，所提出方法在固定误报率下，真正例率最高提升达20%。
• 在训练过程中引入人类感知评分，显著增强了模型检测有意义生物声学信号的能力。
• 人工神经网络成功从谱图特征中预测人类感知评分，表明其有效捕捉了与感知相关的模式。
• 该系统在包含24个月连续生物声学记录的真实世界大规模数据集上表现出稳健性能。