[论文解读] Multi-Label Classifier Chains for Bird Sound

Forrest Briggs, Xiaoli Z. Fern+1 more|arXiv (Cornell University)|Apr 22, 2013

Animal Vocal Communication and Behavior参考文献 14被引用 6

一句话总结

本文提出了一种基于分段直方图表示的分类器链集成模型（ECC），用于多标签鸟类声音分类，在大多数情况下优于二元相关性方法，并在未进行超参数调优的情况下表现出与MIML方法相当的性能。该方法有效建模了多物种鸟类录音中的标签相关性，在两个真实世界数据集上实现了最先进水平的结果，这些数据集具有复杂的声学环境。

ABSTRACT

Bird sound data collected with unattended microphones for automatic surveys, or mobile devices for citizen science, typically contain multiple simultaneously vocalizing birds of different species. However, few works have considered the multi-label structure in birdsong. We propose to use an ensemble of classifier chains combined with a histogram-of-segments representation for multi-label classification of birdsong. The proposed method is compared with binary relevance and three multi-instance multi-label learning (MIML) algorithms from prior work (which focus more on structure in the sound, and less on structure in the label sets). Experiments are conducted on two real-world birdsong datasets, and show that the proposed method usually outperforms binary relevance (using the same features and base-classifier), and is better in some cases and worse in others compared to the MIML algorithms.

研究动机与目标

• 解决在存在重叠声音和背景噪声的真实音频录音中同时识别多个鸣叫鸟类物种的挑战。
• 探究多标签分类，特别是使用分类器链集成（ECC）的方法，是否能比二元相关性方法更有效地利用标签集合的相关性进行鸟类声音识别。
• 在两个真实世界数据集上，包括一个使用iPhone录制、背景噪声较高的新数据集，评估ECC与现有MIML方法的性能。
• 使用标准多标签评估指标比较ECC与二元相关性方法及MIML算法的性能，同时考虑不同方法在超参数调优上的差异。

提出的方法

• 使用二维时间-频率监督分割算法和聚类码书，将每个音频录音表示为固定长度的分段直方图。
• 应用分段直方图表示，将可变长度的鸟类声音录音编码为适合多标签分类的固定长度特征向量。
• 使用基于随机森林的分类器链集成（ECC-RF）来建模标签相关性，其中每条链学习一个在类别标签上的二元分类器序列。
• 使用5折或10折交叉验证训练和评估ECC模型，所有模型均使用相同的基分类器（随机森林）和特征表示。
• 将ECC-RF与二元相关性（BR）以及三种MIML算法（MIMLSVM、MIMLRBF、MIML-kNN）进行比较，后三者使用事后超参数调优以达到最优性能。
• 使用标准多标签评估指标对所有方法进行评估：汉明损失、集合0/1损失、排名损失、1-误差和覆盖度。

实验结果

研究问题

• RQ1 在使用相同特征表示和基分类器的前提下，分类器链集成（ECC）是否能在多标签鸟类声音分类中优于二元相关性方法？
• RQ2 通过ECC建模标签集合相关性，是否能提升在多物种鸟类声音录音上的性能，相比忽略此类结构的方法？
• RQ3 在具有重叠鸣叫和高背景噪声的真实世界鸟类声音数据集上，ECC与最先进MIML算法相比表现如何？
• RQ4 ECC与MIML方法之间的性能差异在多大程度上源于对多实例结构与标签相关性的建模差异？
• RQ5 分段直方图表示是否足以捕捉有效进行多标签鸟类物种分类所必需的声学特征与标签结构？

主要发现

• 在两个数据集的10次性能比较中，ECC-RF在7次中优于二元相关性（BR），胜败比为7-3，表明其在建模标签相关性方面具有稳定优势。
• 在iPhone鸟类鸣叫数据集上，ECC-RF实现了0.1168的汉明损失和0.8121的集合0/1损失，尽管背景噪声较高，仍表现出色。
• 在HJA鸟类鸣叫数据集上，ECC-RF实现了0.0485的汉明损失和1.6555的覆盖度，优于BR，并与MIML方法表现相当。
• MIML- $k$ NN在HJA数据集上取得了最佳整体性能，汉明损失为0.039，但该优势源于事后超参数调优，使其处于不公平优势地位。
• 在HJA数据集上，MIMLRBF和MIML- $k$ NN分别以1-4和0-5的胜败比优于ECC-RF，表明在某些情况下，对多实例结构的更好建模可能比标签相关性更重要。