基于多维神经网络深度特征融合的鸟鸣识别算法

来源：信号处理杂志 2022年第4期北京时间：

作者：吉训生, 江昆, 谢捷

摘要：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VGG Style模型的训练特征，增强时频谱图的能量分布，通过Mix up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VGG Style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VGG Style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%。

关键词：鸟鸣识别, 1维 CNN-LSTM, 2维 VGG Style, 3维 DenseNet121, 深度特征融合