申请/专利权人:中国科学技术大学
申请日:2023-10-18
公开(公告)日:2023-11-21
公开(公告)号:CN117095694A
主分类号:G10L25/18
分类号:G10L25/18;G10L25/45;G10L25/51;G06N3/0442;G06N3/0464;G06N3/048;G06N3/084
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.12.08#实质审查的生效;2023.11.21#公开
摘要:本发明提供一种基于标签层级结构属性关系的鸟类鸣声识别方法,属于生态学与人工智能技术交叉领域,包括:为每只鸟(如目、科和属)引入了分层多粒度标签,并利用分层语义嵌入框架来捕获不同粒度级别的特征信息。在整个网络中使用特定的注意力机制来提取和选择层级间的一般属性和特有属性,从而提高分类的准确性。本发明还采用一种简单而有效的路径校正策略来更正模型产生的不符合层级约束的预测结果。本发明可以大大提升类别预测的准确性并降低分类错误损失。
主权项:1.一种基于标签层级结构属性关系的鸟类鸣声识别方法,其特征在于,包括如下步骤:步骤1、对每条原始音频进行预处理,所述预处理包括原始音频的信噪分离、预加重、分帧、加窗、离散傅里叶变换,应用梅尔滤波器组进行信号平滑化获得时序信号,并利用差分算子处理所得时序信号,组合为3D频谱图,获得训练鸟类鸣声识别算法模型所需的特征;步骤2、搭建基于层级结构的鸟类鸣声识别算法模型,并利用步骤1获得的特征训练基于层级结构的鸟类鸣声识别算法模型;通过带位置注意力的Xception模型增强鸟类鸣声在所有层级粒度的表达能力,并通过层级信息交互模块的设计使位于不同层级粒度的特有特征具有区分性与判别性;采用少数服从多数、底层优先、分数优先的路径矫正策略进行后处理;步骤3、利用所述鸟类鸣声识别算法模型,对外部测试集进行鸟类鸣声识别,针对焦点声音识别与声景识别两种不同应用场景设计不同的模型推理过程,得到识别结果。
全文数据:
权利要求:
百度查询: 中国科学技术大学 一种基于标签层级结构属性关系的鸟类鸣声识别方法
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。