- [1] F. Zhang et al, "Bird song recognition based on deep transfer learning with XGBoost," in 2022, . DOI: 10.1109/ICRCV55858.2022.9953226.
本文提出了一种基于深度迁移学习和XGBoost的鸟鸣识别方法,通过计算log-Mels的delta和delta-delta,构建了3D时频谱图,利用经过微调和重新训练的VGG16提取高级隐含特征,并使用XGBoost模型将这些特征映射到鸟类物种,实验结果表明该方法在复杂环境下取得了95.13%的准确率。
- 过去方案: 过去的方法主要基于动态时间规整(DTW)的模板匹配方法,但这些方法过于依赖于鸟类的原始发音,并且无法在样本上进行动态训练。
- 论文的Motivation: 为了解决以上问题,本文提出了一种基于深度迁移学习和XGBoost的鸟鸣识别方法,通过引入log-Mels的delta和delta-delta作为补充特征,捕捉鸟鸣信号在时频域中的动态关系,同时利用深度卷积神经网络(VGG16)提取高级特征,并使用XGBoost模型进行鸟类物种的映射。实验结果表明,该方法在真实自然场景下取得了较好的性能。