[论文解读] RAVEN X High Performance Data Mining Toolbox for Bioacoustic Data Analysis

Peter J. Dugan, Holger Klinck+2 more|arXiv (Cornell University)|Oct 12, 2016

Animal Vocal Communication and Behavior参考文献 4被引用 8

一句话总结

RAVEN X 是一个基于 MATLAB 的高性能计算工具箱，旨在加速大规模音频档案中的生物声学数据挖掘，利用并行计算高效检测和分类鲸类叫声。它扩展了康奈尔大学生物声学研究计划先前开发的 HPC 支持工具，提供一种与硬件无关、面向社区的解决方案，配备先进的检测器和分类器，服务于生态学研究。

ABSTRACT

Objective of this work is to integrate high performance computing (HPC) technologies and bioacoustics data-mining capabilities by offering a MATLAB-based toolbox called Raven-X. Raven-X will provide a hardware-independent solution, for processing large acoustic datasets - the toolkit will be available to the community at no cost. This goal will be achieved by leveraging prior work done which successfully deployed MATLAB based HPC tools within Cornell University's Bioacoustics Research Program (BRP). These tools enabled commonly available multi-core computers to process data at accelerated rates to detect and classify whale sounds in large multi-channel sound archives. Through this collaboration, we will expand on this effort which was featured through Mathworks research and industry forums incorporate new cutting-edge detectors and classifiers, and disseminate Raven-X to the broader bioacoustics community.

研究动机与目标

• 将高性能计算（HPC）技术与生物声学数据挖掘相结合，实现对大规模音频数据集的可扩展分析。
• 开发一种基于 MATLAB、与硬件无关、面向社区的工具箱，用于处理多通道生物声学录音。
• 在康奈尔大学生物声学研究计划现有 HPC 工具的基础上，集成新型前沿检测器和分类器，以提升声音检测与分类性能。
• 向更广泛的生物声学研究社区免费分发 RAVEN X 工具箱。

提出的方法

• 利用康奈尔大学生物声学研究计划内部开发的先前 HPC 优化 MATLAB 工具，实现在多核系统上的并行处理。
• 实施模块化 MATLAB 工具箱架构，以支持新检测与分类算法的插件式集成。
• 利用 MATLAB 的并行计算能力，加速大规模多通道声学数据档案的处理。
• 设计工具箱以实现硬件独立性，确保在各种计算环境中的广泛可用性。
• 整合最先进的信号处理与机器学习技术，实现对复杂动物叫声的自动检测。
• 在真实世界生物声学数据集上验证系统，特别聚焦于长时间录音中的鲸类叫声检测。

实验结果

研究问题

• RQ1 如何有效将高性能计算集成到基于 MATLAB 的生物声学数据分析中，以加速大规模音频数据集的处理？
• RQ2 为实现对多通道、长时间录音的生物声学检测与分类的可扩展性，需要哪些架构与算法增强？
• RQ3 如何设计一种与硬件无关的工具箱，以确保生态学研究中广泛可用性和可重复性？
• RQ4 在大规模档案中使用并行计算检测与分类鲸类叫声，可实现多大的性能提升？
• RQ5 如何将新型先进检测器与分类器无缝集成到现有的 HPC 支持的生物声学处理流程中？

主要发现

• RAVEN X 通过在 MATLAB 环境中利用并行计算，显著加速了大规模生物声学数据集的处理。
• 该工具箱成功扩展了先前的 HPC 优化工具，支持针对动物叫声的新一代先进检测与分类算法。
• 系统实现了硬件独立性，可在无需重新配置的情况下部署于多种计算平台。
• 该工具箱已免费向公众开放，支持开放科学并促进生物声学研究领域的社区采纳。
• 集成前沿检测器与分类器显著提升了复杂声学环境中自动声音检测的准确性和效率。
• 该工具支持多通道音频档案的可扩展分析，能够实现对海洋哺乳动物叫声的大规模生态监测。