Sep, 2023
跨领域声音识别用于高效水下数据分析
Cross-domain Sound Recognition for Efficient Underwater Data Analysis
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。