基于Inception-CSA深度学习模型的鸟鸣分类

• 全文链接
• 请求原文

作   者：

李怀城;  杨道武;  温治芳;  王亚楠;  陈爱斌; 

作者机构：

中南林业科技大学计算机与信息工程学院/人工智能应用研究所; 

关键词：

鸟鸣声分类;  卷积神经网络;  深度学习;  梅尔频谱图;  Inception; 

期刊名称：

华中农业大学学报

i s s n：

1000-2421

年卷期：

2023 年 42 卷 003 期

页   码：

97-104

摘   要：

为进一步提高通过声音识别鸟类的精确度,本研究提出基于Inception-CSA深度学习模型的鸟鸣声分类方法,包含鸟鸣声音频样本预处理、特征提取、分类器分类等步骤.首先将鸟鸣声样本预处理成尺寸相同的梅尔频谱图,作为鸟鸣声特征图;其次利用Inception-CSA模型对鸟鸣声特征图进行特征提取,其中Inception模块提取鸟鸣声特征图中的多尺度局部时频域特征,CSA模块获取鸟鸣声特征图的全局注意力权重,将二者的输出结合得到更强的特征图,再次利用最大池化层对特征图进行下采样;最后利用全连接层进行分类,得到最终的分类结果.以采集的华南地区自然环境中的10种野生鸟类的鸣叫声构建数据集,用于实验部分以验证方法的有效性.结果表明,本研究提出的方法在自建数据集上准确率达到了93.11%,相比于基于其他经典模型的分类方法,基于Inception-CSA模型的分类方法在拥有较少模型参数量的同时达到了更高的准确率.