Sep, 2023

跨领域声音识别用于高效水下数据分析

PDF
TL;DR本论文提出了一种新颖的深度学习方法，通过利用在广泛范围的非水下（空中）声音上训练的模型分析海量水下声音数据。我们通过主成分分析和 UMAP 可视化方法，在二维空间中对水下数据进行了聚类，并选择候选标签进行进一步训练。其次，我们使用选定的水下数据和非水下数据集训练了一个神经网络模型，并量化分析了模型对于识别空气枪声，一种常见的水下声音，的准确率、召回率和 F1 得分。我们的模型达到了超过 84.3% 的 F1 得分，证明了我们的方法在分析水下声学数据方面的有效性。该论文提出的方法在减少水下数据分析所需的工作量方面具有重要潜力，为跨领域数据分析的进一步研究开辟了新的可能性。
underwater acoustic datadeep learning approachpca and umap visualizationneural network modelcross-domain data analysis
发现论文，激发创造
  • 基于显著特征的水声信号识别

    本文提出了一种利用神经网络进行水声信号识别的方法，通过从频谱中提取特征，利用深度学习模型不断学习抽象特征并调整权重，以提高分类性能。

    Dec, 2023

  • 通过自适应数据修剪和平滑 - 引导正则化对水下声纳目标识别的改进

    本研究针对数据采集困难的问题，对基于水声识别的船舶辐射信号进行数据整合，采用交叉熵策略和 KL 散度的光滑度约束正则化方法来补充并优化训练数据，实验证明，该方法在低资源场景下能显著提升模型表现。

    Apr, 2023

  • 水下艺术：利用文本模板拓展水声目标识别的信息视角

    我们提出了一种基于丰富相关信息模板的水下声学识别方法（称为 UART），其采用音频 - 频谱图 - 文本三模态对比度学习框架，通过自然语言描述引导声学表征的学习，在实践中具有更好的识别能力和泛化性能，并且预先训练的 UART 模型可以在没有任何辅助注释的情况下为识别模型提供卓越的先验知识。

    May, 2023

  • 基于光滑感应正则化和基于频谱图的数据增强的水声目标识别

    本研究提出在数据量有限的情况下，采用平滑性正则化，即只在正则项中加入模拟信号，并使用专门的光谱图基础数据增强策略（LMR），以避免性能下降的风险来增强模型的泛化能力。实验证明了该方法具有优越性。

    Jun, 2023

  • 利用弱标签数据进行大规模音频视觉学习

    本文提出了一种音频视觉融合模型，该模型利用注意机制动态地结合单独的音频和视觉模型的输出来识别声音，实验证明该模型在音频场景分析和机器感知上比单模和多模融合模型具有更好的效果。

    May, 2020

  • 基于连续区域处理、网格遮罩和人工神经网络的生物声学信号分类

    本文提出了一种基于机器学习和图像处理的新方法，用于在高环境噪声和干扰噪声的情况下识别北大西洋北鲸的叫声，并采用连续区域算法和网格掩模技术进行处理，提取特征并进行分类，结果表明该技术可以有效地从 20000 多个音频片段中检测到鲸鱼叫声，并超过了 90% 的真实阳性率。

    May, 2013

  • 利用热带珊瑚礁、鸟类和无关声音进行优秀的海洋生物声学转移学习

    机器学习对于生态评估中的被动声学监测具有革命性的潜力，通过预训练网络可以降低高昂的注释和计算成本，本研究在珊瑚礁生物声学领域确定了最佳的预训练策略，通过交叉领域混合预训练，实现了用于海洋被动声学监测数据的自动化分析。

    Apr, 2024

  • 双耳声音的语义物体预测和空间声音超分辨率

    本文介绍了一种基于双耳声音的声音制造对象的语义标记方法，利用跨模态蒸馏框架让视觉和听觉系统相互学习，形成多任务训练网络等手段提高系统的性能。

    Mar, 2020

  • 改进合成训练的声纳图像描述符在水下地点识别中的泛化性能

    自主导航与水下环境中的挑战，主要包括光吸收和水浑浊度等因素，传统视觉算法对声纳生成的声学图像的应用效果较差，而卷积神经网络通常需要大量的标记训练数据，这些数据通常难以获取。因此，我们提出了一种新型的紧凑型深度声纳描述符管道，它能够在仅仅用于合成数据的情况下推广到真实场景，并通过标准的临时规范化 / 预滤波技术提升输入声纳数据的质量。同时，我们还介绍了自定义的合成数据生成过程。通过对合成和公开可用的真实数据的广泛评估，证明了我们提出的方法相较于最先进的方法更加有效。

    Aug, 2023

  • 基于人类评分系统和人工神经网络的大型生物声学信号分类

    本文提出一种方法，通过结合来自时频谱图的信号特征和人类感知，以提高声音分类性能，该方法利用人工神经网络 (ANN) 学习基于人类感知知识的信号特征，并应用于包含 24 个月几乎连续记录的大型声学数据集，结果表明性能显著提高。

    May, 2013