马上注册，结交更多同城好友，享用更多功能！
您需要 登录 才可以下载或查看，没有帐号？立即注册
x
这年头，就连喵星人也有自己的语音数据集了。 画风是这样的： 没错，来自米兰大学计算机系的几位猛男，和生物系、兽医系的小伙伴们一起，收集了 21 只猫咪的 400+ 条语音数据，做了个猫叫声数据集。 这 21 只猫咪中，包括 10 只成年缅因猫和 11 只成年欧洲短毛猫，是长毛和短毛猫咪中的代表类型。 △缅因猫 vs 欧洲短毛猫痴汉笑半小时了，根本干不了活啊！3 种猫咪叫声，总长 21 分钟 制作这个数据集的初衷，是为了人类能更好地理解猫咪叫声的含义，为以后的人 - 猫沟通作准备。 因此，在制作数据集时，研究者们选择了 3 种让猫发出不同叫声的场景： 等待投喂：主人喂食前的猫叫声。 被放到陌生环境下隔离：将猫运送到一个陌生环境，车程不超过半小时，被隔离前会与主人先相处半小时。隔离时的猫会发出叫声。 刷牙：主人给猫刷牙时的猫叫声。 在这些场景中，每次收集猫叫的时间不超过5 分钟（例如，5 分钟后就会给猫喂食）。 为了让语音数据更清晰、且不影响猫的日常行动，研究者们采用了一个不到 50g 的小型麦克风，挂在猫脖子上。 在清除了不包含猫叫声的片段后，研究者们将这些叫声录音剪切成平均长度 1.82s、方差 0.37s 左右的录音文件，共 448 个片段，其中缅因猫 196 个，欧洲短毛猫是 252 个，总时长约21 分钟。这是收集到的 3 种类型的叫声，从左至右依次为等待投喂、被隔离和刷牙： 为了准确识别猫咪在这 3 种情况下的叫声，研究者们还做了一个机器学习模型。无关猫咪种类，识别效果 90% 以上 研究者们采用了模式识别的方法，算法框架是一个有向无环图。 简单来说，先区分猫叫声是否属于 " 等投喂 " 和 " 被隔离 " 两种状态，再识别它们是否属于 " 刷牙 " 的状态。 为了验证哪种模型对于识别 3 种猫咪语音状态更有效，研究者们采用了不同的模型进行实验，最后确定了有向无环图中的隐马尔科夫模型，识别率最高能达到95.94%。经过实验，" 等待投喂 " 的猫咪叫声能被完美识别，达到了100%；" 刷牙 " 的猫咪叫声识别率达到了第二，平均在95.24%，有一定概率被识别成 " 等待投喂 "；" 被隔离 " 的猫咪叫声识别率在92.59%，有一定概率被识别成 " 刷牙 "。三种状态的识别效果都在 90% 以上，也算是一个不错的模型了。这项研究、以及猫叫数据集的制作，来自米兰大学计算机系的 3 位猛男，以及生物学系和兽医系的小伙伴们，所有人在这项研究中的贡献相同。 网友：哪有心思搞科研发现这个数据集后，不少网友第一反应：居然连这都有？ 已经有网友，开始试图搞懂、甚至已经听懂数据集的 " 详细内容 " 了：有网友嗅到了里面的商机：还有网友调侃，根本没心情搞科研，只剩开心了。当然，除了猫咪叫声，也有不少网友提出，想要其他的声音数据集： 对猫咪叫声有兴趣的朋友，戳下方地址即可获取 ~猫叫数据集传送门： https://zenodo.org/record/4008297#.YNFSEhMzaPf
免责声明：如果本文章内容侵犯了您的权益，请联系我们，我们会及时处理，谢谢合作！
| 
发表于 2021-6-26 07:01:39
支持
反对
