A Syllable-Level Probabilistic Framework for Bird Species Identification

Abstract

Abstract-In this paper, we present new probabilistic models for identifying bird species from audio recordings. We introduce the independent syllable model and consider two ways of aggregating frame level features within a syllable. We characterize each syllable as a probability distribution of its frame level features. The independent frame independent syllable (IFIS) model allows us to distinguish syllables whose feature distributions are different from one another. The Markov chain frame independent syllable (MCFIS) model is introduced for scenarios where the temporal structure within the syllable provides significant amount of discriminative information. We derive the Bayes risk minimizing classifier for each model and show that it can be approximated as a nearest neighbour classifier. Our experiments indicate that the IFIS and MCFIS models achieve 88.26% and 90.61% correct classification rates, respectively, while the equivalent SVM implementation achieves 86.15%.

Reconocimiento automatizado de señales bioacústicas: Una revisión de métodos y aplicaciones

“…En estos casos se requiere localizar los intervalos de tiempo que contienen vocalizaciones de animales en la grabación; este procedimiento se conoce como segmentación. Las vocalizaciones de algunos animales se han jerarquizado, por ejemplo en las aves, éstas se dividen en cuatro niveles: notas, sílabas, frases y cantos [42]; en la literatura se encuentran varios trabajos orientados a la clasificación de sílabas [4], [32], [35], [37], [42], [43]. Los métodos de segmentación más básicos están diseñados para detectar las regiones con mayor energía [44], sin embargo, en otros mé-todos más elaborados se busca detectar trayectorias características en las representaciones tiempo-frecuencia [37], [41], [45].…”

“…Estos modelos son un método probabilístico que ha sido usado amplia y exitosamente en diferentes escenarios de reconocimiento automatizado tales como la identificación de habla y hablante, la clasificación de señales sísmicas y la clasificación de secuencias de genes. Los HMMs resultan muy apropiados para el análisis de señales bioacústicas debido a su capacidad de tratar datos secuenciales con alta variabilidad (e, incluso, de diferentes longitudes) [34], [8], [32]. Estos cuentan con una clara y elegante interpretación bayesiana, además, se han desarrollado algoritmos rápidos y eficientes para realizar el entrenamiento y la prueba de los modelos [53].…”

“…modelos de identificación automatizada [32]. En la Figura 1 se presenta un esquema de un sistema de monitoreo automatizado, se resalta que aunque este documento está orientado particularmente a los sistemas basados en señales acústicas, se puede adaptar fácilmente a un esquema que incluya datos de imágenes o datos del entorno tales como ubicación, condiciones atmosféricas, etcétera.…”

“…Estos sistemas de reconocimiento se han aplicado en diferentes casos, por ejemplo en el enriquecimiento de la información de las coleccio-de problemas desbalanceados, es decir, cuando el número de objetos de cada clase difiere considerablemente, de manera que un sistema que indistintamente asigne la etiqueta de la clase mayoritaria a todas las muestras, podría reflejar un falso buen desempeño. En [38] se describen medidas de estimación de la fiabilidad de clasificadores biclase 2 , como la sensibilidad y la especificidad; éstas se pueden aplicar en tareas de reconocimiento multiclase replanteando los problemas como en el caso de la técnica uno contra todos, es decir transformando el problema en varios problemas biclase, tomando en cada uno de ellos una clase como clase objetivo y las demás como no objetivo; o uno contra uno, en donde se evalúan los desempeños de cada par de clases [21], [39], [32]. En los problemas de clasificación de datos bioacústicos, frecuentemente se tiene una alta detección de falsos positivos [40].…”

A survey of tagging techniques for music, speech and environmental sound

“…Many researchers have used MATLAB to perform many of their calculations and some have used the many add in tools such as SVM-KM Toolbox which was used to conduct the IFIS and MCFIS methods (Lakshminarayanan, Raich, & Fern, 2009). Additionally the HTK toolkit can be used to claculate MFCC's as in the case of (Briggs, Raich, & Fern, 2009).…”