米兰大学发布论文与猫咪叫声数据集,分类喵喵叫

语音识别--猫狗声音识别 本实验操作完成利用YAMNet针对ESC-50数据集建立猫狗声音识别模型相关内容,通过本实验我们学习到了YAMNet迁移学习的相关知识,需要掌握以下知识点: - 标签过滤方法 - 模型训练所需数据预处理方法 - 声音数据嵌入方法 - 自定义神经网络 阅读详情
AI摘要

米兰大学的研究团队利用机器学习技术,成功对猫在被抚摸、陌生环境和喂食前的不同叫声进行自动分类,实验中DAG-HMM表现出高识别率,揭示猫叫声的秘密。研究者计划进一步探究猫肢体动作与情绪分析的结合。

米兰大学的研究团队在期刊《动物福利》上发布了论文《猫在不同环境中叫声的自动分类》。

他们通过音频信号处理和模式识别算法,实现了对猫叫声的自动分类。此外,团队还开放了一个包含 440 段由 21 只猫收集的叫声数据集。

收集二十一只猫,在三种状态的喵喵叫

猫,一直以来都是最受欢迎和喜爱的家庭宠物之一,通过对它们的行为、各类研究加强对猫的全面了解。

研究团队展开的这项研究,希望能够找出猫在几个常见环境下的叫声是否存在共性和规律,能通过机器学习的方式,找到这些规律,以了解猫的行为意图或心理活动。

他们选择了 10 只缅因猫和 11 只英国短毛猫两个品种共二十一只猫,仔细记录下它们的性别、绝育情况。

  • 喵喵叫数据集

  • 发布机构:米兰大学计算机系

  • 包含数量:440 段音频

  • 数据格式:wav

  • 数据大小:20 MB

  • 下载地址

数据集收录了它们三种环境状态下的叫声,分别是:被抚摸时、陌生环境、喂食前,并严格保证每只猫在三种环境中的各种变量。

比如在收录猫咪在陌生环境中的叫声前,会让主人陪伴猫咪在环境中共处至少 30 分钟,以免激发它们的情绪波动。在保证猫咪情绪稳定后,主人离开当前环境,收录猫咪独处的十分钟里的叫声。

在数据收集过程中,还需要尽量减少房屋、家具装饰等对收音的影响,团队还测试了各种收音设备,包括宠物穿戴设备,确保收音质量。

在这里插入图片描述
基于声音文件,研究团队提取了两组声学参数,即梅尔频率倒谱系数(MFCC)和时序特征。用这些参数使用基于有向无环图等分类方案,将问题空间进行分类。

研究团队共使用了五种分类方案:DAG-HMM(有向无环图-隐式马尔科夫)、class-specific HMMs, universal HMM 、SVM 支持向量机和ESN 回声状态网络(Echo State Network )五种分类方法。
在这里插入图片描述

实验结果发现 DAG-HMM(有向无环图-隐式马尔科夫)的识别效果最佳。DAG-HMM 对三种状态的分类识别效果,如下:在这里插入图片描述

结果显示 GAG-HMM 方法对三种状态的猫叫声,都有着很高的识别率。尤其对于等待喂食状态下的声音,有着 100% 的准确识别率。

这一研究结果让团队大受鼓舞,实验证明了猫叫声是可以被有效分类的。他们计划下一步的研究将尝试结合猫咪的身体动作,建立分析模型,继续分析猫咪的情绪特征。\

读论文,下载数据集,就能理解猫?

阅读论文
数据集下载
数据集详情
我们在年初的一篇文章《铲屎官福音:汪星人和喵星人的小情绪,AI 可以识别了》介绍过目前市面上一些识别宠物情绪的技术和产品。也提及,动物的表达体系十分复杂,声音只是其语言的一部分,绝大多数动物还会依靠肢体动作、气味甚至生物激素,进行彼此之间的交流。

所以,要想搞懂它们的情绪,人工智能的确有办法。但是我们建议主人在养育过程中,多多用心关注小主子的表现与反应,更能体会到它们真实的情绪和需求噢~
在这里插入图片描述

使用高斯混合模型(GMM)进行猫狗音频聚类(Kaggle Audio Cats and Dogs) 数据集包括164个标注为猫的.wav文件,总共1323秒和113个标注为狗叫声的.wav文件,总共598秒,要求判别每个音频是狗叫还是猫叫 阅读详情

相关推荐

猫叫声分类:基于米兰大学数据集的声学特征与深度学习实战

声音识别技术近年来在非人声领域的应用日益广泛,动物声音分类成为音频处理与AI交叉的热点课题。猫叫声作为典型的非语音声学信号,其分类难点在于个体差异大、环境噪声复杂以及行为意图与声学特征的非线性映射。通过分析基频轨迹、频谱质心、谐波分布等关键声学特征,结合MFCC与深度残差网络,可以构建高效的喵叫分类模型。米兰大学发布的多情境猫叫数据集提供了细粒度的行为标签和高质量的WAV音频,为模型训练与评估奠定了基础。该技术可迁移至智能宠物硬件、兽医辅助诊断等真实场景,实现从被动录音到主动理解的跨越,也为跨物种声学分类提

weixin_29056145的博客 137

使用ModelArts自动学习完成猫狗声音分类

准备数据 点击下载猫狗声音数据集至本地; 解压,文件包结构大概如下图所示 data ├── test │ ├── cats │ │ ├── cat_20.wav │ │ ├── ...... │ │ └── cat_29.wav │ └── dogs │ ...

zhy_Learn的博客 205

基于一维卷积Conv1D实现猫狗叫声语音识别

cat有164个WAV文件,对应1323秒的音频狗有113 WAV文件对应598秒的音频你可以在这里有一个Wav的可视化描述:可视化woofs & meows🐱。在访问数据集2中,我们提出了可以使用的训练/测试分割。所有WAV文件包含16KHz音频和可变长度。数据集下载链接序列顺序的特征提取,对于一维卷积来说,是通过长的卷积核和池化层对序列的缩放实现的。

优快云 精品推荐 3933

基于Alexnet网络实现猫狗数据集分类(Keras框架)

程敬,女,西安工程大学电子信息学院,2022级研究生研究方向:电子信息电子邮件:1105719037@qq.com陈梦丹,女,西安工程大学电子信息学院,2022级硕士研究生,张宏伟人工智能课题组研究方向:机器视觉与人工智能电子邮件:1169738496@qq.comLeNet于1998年提出的,是最早的神经网络之一,用于解决手写识别的问题。传承了LeNet ,AlexNet是于2012年提出的一个深度学习卷积神经网络模型。

ZHW-鲜橙大AI课题组的博客 4790

CNN卷积神经网络猫狗大战数据集.zip

此数据集相对来说较大,所以代码中 并没有完全应用全部数据,只是从中选取了一部分。大家在做的时候可以进行选取,也可以全部应用 但是要处理测试集数据。

猫数据集(包含训练集和测试集)

我收集的猫数据集,用于训练基于HOG特征的分类器。 详细请参考我的博客:http://blog.youkuaiyun.com/hongbin_xu/article/details/78443289

猫叫声分类实战:数据集复现与深度学习模型全解析

音频分类是机器学习中极具应用价值的方向,其核心在于从声音信号中提取有效的特征表达。传统方法如MFCC结合SVM,虽然计算量小,但受限于特征表达能力,难以捕捉细微差异。深度学习,尤其是基于卷积神经网络(CNN)的模型,通过直接学习Mel频谱图上的局部模式,显著提升了分类性能。预训练模型(如CNN14)的迁移学习更是进一步降低了数据需求,并在少样本类别上表现优异。在宠物智能硬件、动物福利等场景中,声音识别技术正发挥着越来越重要的作用。本文基于一个公开的猫咪叫声数据集,详细介绍了从数据预处理、特征工程到模型训练与

weixin_31100517的博客 135

Ensemble-CNN-Animal-Sound-Classification

集成卷积神经网络的自动动物声音分类 该存储库提供了工作的源代码“基于Ensemble-CNN的动物自动监视的声音分类”,该文件目前正在审核中。 我们提出的方法使用Ensemble-ResNet152模型在ESC-动物声音数据集[1]和在Animal-10声音数据集[2]上均达到94.8%的平均准确度。 源代码已根据许可获得许可。 该存储库的内容根据许可发布。 下载数据集图像和我们训练有素的模型 (159 MB) (621 MB) 由于数据集的大小和模型权重,它们不在Github存储库中。 数据集和预训练的权重必须分别在存储库的根目录下下载到名为“数据”和“预训练”的目录中。 数据集包括从ESC-动物声音数据集[1]转换而来的三种频谱图。 另外,将数据集分为5组以进行k倍交叉验证。 关于预训练权重,使用单个ResNet152在我们的增强ESC-动物数据集上对其进行训练。 值得

【AI简报20210625期】自动驾驶运动预测挑战赛、20美元的宜家台灯算力有多强?...

导读:本期为 AI 简报 20210624 期,请慢用~本文一共 2719 字,通篇阅读结束需要 7~10 分钟嵌入式AI1. 低功耗AI芯片 | 安富莱电子CSEM设计可由太阳能供电的低...

rtthreadiotos的博客 468

猫狗数据集 coco-2014test-cat_dog-2659.zip

1、COCO数据集test2014中的猫狗图像和标签,标签格式为xml和txt两种。 2、类别为cat和dog 3、数量为2000多张 4、可以接用于YOLO猫狗检测

Lama:基于傅立叶卷积的分辨率鲁棒性大掩模修复

为了缓解修复网络和损失函数都缺乏有效的感受野这个问题,提出了大掩模修复(LaMa)。LaMa基于一种新的修复网络架构,该架构使用快速傅立叶卷积(FFC),具有图像范围的感受野;高感受野感知损失;大型训练掩码,释放前两个组件的潜力。

qq_44926214的博客 1420

基于CNN的狗叫,猫叫语音分类

基于CNN的狗叫,猫叫语音分类 最近开始北漂的实习生活,第一家实习单位还是挺不错的。说句题外话,北京的生活没有想象中的那么恐怖,没有想象中的那么累,反而挺有人情味的。 公司里的主要业务是做“声纹识别”的,现在项目组好像主要分为传统的机器学习以及深度学习两个模块在做。刚接触到是一个唤醒的智能AI产品,为了尽快的熟悉这一模块的知识,所以找了个练手的项目。 这个分类很简单,...

qq_21157073的博客 8843

在mdk文件移植太多_XCubeClassB代码 的移植

前言ST在www.st.com官网上提供了针对IEC60730/IEC60335 ClassB认证的软件包。软件包分为三个,分别适用STM8,STM32(基于标准外设库)和STM32(基于HAL库):STM8-SafeCLASSB,STM32-CLASSB-SPL,X-CUBE-CLASSB。本文以X-CUBE-CLASSB为例介绍如何做代码的移植以及经常遇到的问题的解决办法。X-CUB...

weixin_28898707的博客 1835

Pytorch 音频分类与对比学习

COLA是应用于音频的预训练框架。对于每个音频样本,作者选出该音频样本的两个片段,一个片段作为anchor A,一个作为positive P,对于该音频样本,选出training batch中的其他的音频样本作为distractor D。有很多distractor让训练的过程变得困难,使得模型学到更有意义的表达。使用同一个batch中的其他样本作为distractor,节约了distractor的生成、计算和存储成本。

chumingqian的博客 2000

提示deepseek生成完整的json用于对接外部API

通过精准的提示词设计(字段过滤、格式约束)、动态验证机制(自检与修正)和官方模板参考,可有效确保DeepSeek生成的JSON纯净无冗余。

神棍之路 2310

Axure RP 10表单数据提交制作

本文介绍了如何使用Axure RP 10实现表单数据提交。

Peppaaa的博客 991

Python基于Oxford-IIIT Pet Dataset实现宠物识别系统

Oxford-IIIT Pet Dataset是一个不错的数据集,牛津官方整理出来的一个关于各种猫和狗的数据集,可以很方便被我们用来做图像识别或者是图像分割类型的任务,这里我们主要是做图像识别的应用。

Together_CZ的博客 4626

ArcGIS Enterprise10.9.1的Windows安装部署

ArcGIS Enterprise10.9.1中Windows版本安装介绍。

qq_36250702的博客 2446

【猫狗数据集】pytorch训练猫狗数据集之创建数据集

【猫狗数据集】pytorch训练猫狗数据集之创建数据集

wjz0626的博客 2725

YOLOv8改进,MobileNetV3轻量化架构改进特征提取网络,助力涨点

MobileNetV3通过结合硬件感知网络架构搜索(NAS)和NetAdapt算法,通过新颖的架构改进进一步提升了性能。本文开始探讨了自动化搜索算法与网络设计如何协同工作,以利用互补方法来提升整体技术水平。通过这一过程,创建了两个新的MobileNet模型:MobileNetV3-Large和MobileNetV3-Small,分别针对高资源和低资源使用场景。这些模型随后被适配并应用于目标检测和语义分割任务。

在职AI算法工程师,擅长计算机视觉,YOLO目标检测、分割等,擅长web、pyqt界面可视化,好内容持续更新中,来这里跟大家一起学习,共同进步 3837

SAP-ABAP:SAP库存管理核心增强:IF_EX_MB_DOCUMENT_BADI 深度解析

SAP库存管理核心增强:IF_EX_MB_DOCUMENT_BADI 深度解析

baidu_35680696的博客 1447

kaggle--猫狗数据集分类

首先需要下载相关的数据集,可从kaggle官网进行下载 下载的数据集分为train和test两部分,而train数据集中的图像并非都是连续的,所以若要截取部分图像进行训练,则应注意 首先创建属于自己的数据集,此次学习并没有用到所以的数据,而只有2000张训练图像,1000张测试图像和1000张验证图像 import os,shutil #原始训练数据存放位置,在当前目录下的dog-and-...

qq_36035111的博客 1万+

4、风险管理、信息安全与信息管理的核心原则

本文深入探讨了风险管理、信息安全与信息管理的核心原则,涵盖Risk IT框架、ISO 31000标准以及信息安全与信息管理的关键原则。通过案例分析与实际应用挑战的解析,帮助组织更好地应对数字化时代的风险与安全问题,实现可持续发展。

bread的博客 120

猫狗数据集

import numpy as npimport pickleimport cv2import pandas as pdimport tensorflow as tfimport matplotlib.pyplot as plt#mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)train_data = {b'da...

1565

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

上一篇: 黄仁勋畅聊Arm收购进展、元宇宙、GPU涨价等热点话题
下一篇: 解构 StyleCLIP:文本驱动、按需设计,媲美人类 P 图师
HyperAI超神经
博客等级 码龄7年 8873粉丝 1753原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值