申请/专利权人：南京林业大学

申请日：2023-07-19

公开（公告）日：2023-10-27

公开（公告）号：CN116955989A

主分类号：G06F18/213

分类号：G06F18/213;G06F18/214;G06F18/24;G06N3/0464;G06N3/048;G06N3/047;G06N3/08;G10L17/26;G10L25/30

优先权：

专利状态码：在审-公开

法律状态：2023.10.27#公开

摘要：本发明公开了基于神经网络结构搜索的鸟鸣特征提取与识别模型设计，通过对该模型的训练可以准确地识别鸟类种类，在生物多样性的调查和保护中起着促进作用。本发明提出的深度学习模型，通过利用改良的可微架构搜索，神经网络可以进行自我优化，并以低计算成本选择最佳模型。此外，将推理时间纳入算法中，作为损失函数的一部分，以确定梅尔滤波器组的最佳数量。实验测试结果表明，本模型在包含264种鸟类的数据集上，平均准确率达到92.44％，最大准确率达到98.14％，同时确定了36种作为梅尔滤波器组的最佳数量，模型在横向和纵向上都优于传统深度学习模型。

主权项：1.基于神经网络结构搜索的鸟鸣特征提取与识别模型设计，其特征在于：应包括以下几个步骤：S1：收集各类鸟类的音频文件，并将音频文件采样到8kHz后进行归一化处理；S2：提取经S1步骤处理后的音频文件特征生成梅尔频谱图；S3：利用可微架构搜索DARTS算法自动搜索神经网络架构；S4：采用Softmax函数来选择最优的梅尔滤波器组数量；S5：将3×3和5×5深度可分离卷积纳入上述操作中，实现更轻量的最终模型；S6：将28个Cell增加到模型的网络结构中，以提高模型的准确性；S7：对上述S3-S5搭建的模型进行训练，生成基于神经网络结构搜索的鸟鸣特征提取与识别模型。

全文数据：

权利要求：

百度查询： 南京林业大学 基于神经网络结构搜索的鸟鸣特征提取与识别模型设计

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD