Comparing acoustic representations for deep learning-based classification of underwater acoustic signals: A case study on orca (Orcinus orca) vocalizations
Notice bibliographique
Résumé
Passive acoustic monitoring of marine mammal vocalizations often relies on automated detectors to process large quantities of data. Many automated systems use spectrograms as a way to represent acoustic information, including those built on deep artificial neural networks (DNNs). Spectrograms transform acoustic time series into the time-frequency domain, highlighting how the sound energy distribution across frequencies changes over time. Marine mammals often have unique spectral signatures that can be used for detection and species identification. The spectrogram is well-suited for many such pattern recognition algorithms, including those developed for computer vision, such as convolutional neural networks. However, while it emphasizes some aspects of the signal, it downplays others. This statement is also true for most other ways of representing acoustic information. In this study, we compare 9 acoustic representations and evaluate how they affect the performance of a DNN in classifying acoustic signals. Specifically, we use a dataset of orca ( Orcinus orca ) vocalizations to build binary classifiers that attempt to distinguish between orca sounds and typical environmental noise, including other biological sounds. Representations of the non-stationary acoustic time series considered include: magnitude, mel, and CQT spectrograms, waveforms, cepstrograms, time and frequency similarity matrices, and evolutionary autocorrelation and autocovariance. DNNs were built for each of these representations singly, and we also built DNNs that combined two representations as inputs. We assess the performance of these representations relative to the commonly used magnitude spectrogram, with the as the central performance metric. The baseline magnitude spectrogram resulted in a 0.82 median (over 15 trials), and its classification performance was surpassed by the frequency similarity (median: 0.88), time similarity (0.88) and mel spectrogram (0.84). DNNs that used a combination of representations achieved higher performances than the respective single representations, with the best model using a combination of the mel spectrogram and the frequency similarity matrix and achieving an of 0.92. For our study, we recommend a combination of mel spectrograms and frequency similarity matrices for the orca detectors focusing on stereotypical tonal calls. In general, we encourage developers working on similar tools to consider testing and combining different acoustic representations for improved classification performance.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».