Weakly Supervised Multiple Instance Learning for Whale Call Detection and Localization in Long-Duration Passive Acoustic Monitoring
作者: Ragib Amin Nihal, Benjamin Yen, Runwu Shi, Kazuhiro Nakadai
发布时间: 2025-03-03
来源: arxiv
研究方向: 海洋生态监测与生物声学
主要内容
本研究探讨了使用多重实例学习（MIL）在长时程水下声学记录中进行分析的有效性，同时减少对详细时间标注的依赖。提出了一种名为DSMIL-LocNet的模型，用于鲸鱼叫声检测和定位，该模型仅使用袋级别的标签。
主要贡献
1. 提出了一个名为DSMIL-LocNet的新架构，用于仅使用袋级别标签进行鲸鱼叫声的时空定位。
2. DSMIL-LocNet可以处理长达2-30分钟的音频片段，同时利用频谱和时域特征，并基于注意力机制进行实例选择。
3. DSMIL-LocNet在处理长时程录音方面表现出色，能够在较长的上下文中提高分类准确性，同时在中等实例长度下确保定位精度。
4. DSMIL-LocNet的实验结果表明，其在鲸鱼叫声检测和定位任务上优于现有的基准模型。
研究方法
1. 多重实例学习（MIL）
2. 频谱和时域特征提取
3. 注意力机制
4. 深度学习
5. 卷积神经网络（CNN）
6. 多层感知器（MLP）
7. 双流架构
8. 损失函数优化
实验结果
DSMIL-LocNet在鲸鱼叫声检测和定位任务上取得了显著的性能提升，其F1分数和定位精度均优于现有的基准模型。实验结果表明，DSMIL-LocNet在处理长时程录音时，能够有效地提高分类准确性和定位精度。
未来工作
未来的工作将着重于处理复杂海洋声景中的多样声学事件，可能通过专门的检测器或多类别MIL方法来实现。