基于多维神经网络深度特征融合的鸟鸣识别算法

作者：吉训生; 江昆; 谢捷

来源：信号处理, 2021, 1-14.

• 鸟鸣识别
• 1维CNN-LSTM
• 2维VGG Style
• 3维DenseNet121
• 深度特征融合

为了进一步提高夜间迁徙鸟鸣监测的准确率，提出一种基于多维神经网络深度特征融合的鸟鸣识别算法。首先，提取鸟鸣对数尺度的梅尔谱图作为VGGStyle模型的训练特征，增强时频谱图的能量分布，通过Mixup数据混合生成虚拟数据以减少模型的过拟合。之后，将预训练的VGGStyle作为特征提取器对每一段鸟鸣提取深度特征。鉴于不同维度模型的互补性，该文提出分别使用1维CNN-LSTM、2维VGGStyle与3维DenseNet121模型作为特征提取器生成高级特征。对于1维CNN-LSTM，使用小波分解作为池化方法，分别对鸟鸣时、频域进行9层小波分解，生成多层LBP特征以获取更丰富的时频信息。最后，对CNN-LSTM与DenseNet121的全连接层进行优化，减少模型参数，提高实时性。实验结果表明，通过融合多维神经网络的深度特征，使用浅层分类器在含有43种鸟类的CLO-43SD数据集中，获得了93.89%的平衡准确率，相较于最新的Mel-VGG与Subnet-CNN融合模型，平衡准确率提高了7.58%。

• 单位
  江南大学