論文の概要: Attention-Based Recurrent Neural Network For Automatic Behavior Laying Hen Recognition

• arxiv url: http://arxiv.org/abs/2401.09880v1
• Date: Thu, 18 Jan 2024 10:52:46 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-19 17:12:04.242007
• Title: Attention-Based Recurrent Neural Network For Automatic Behavior Laying Hen Recognition
• Title（参考訳）: 注意に基づくリカレントニューラルネットワークによるニワトリの自動行動認識
• Authors: Fr\'ejus A. A. Laleye and Mika\"el A. Mousse
• Abstract要約: 本研究は,その行動特性のロバストなシステムを提案するために,産卵鶏の鳴き声の種類を認識することに焦点を当てる。 次に,時間領域と周波数領域の特徴を組み合わせた最適音響特性を設計した。 次に、これらの特徴を用いて、繰り返しニューラルネットワークに基づくマルチラベル分類モデルを構築し、その振る舞いを特徴付ける発声に意味クラスを割り当てた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: One of the interests of modern poultry farming is the vocalization of laying hens which contain very useful information on health behavior. This information is used as health and well-being indicators that help breeders better monitor laying hens, which involves early detection of problems for rapid and more effective intervention. In this work, we focus on the sound analysis for the recognition of the types of calls of the laying hens in order to propose a robust system of characterization of their behavior for a better monitoring. To do this, we first collected and annotated laying hen call signals, then designed an optimal acoustic characterization based on the combination of time and frequency domain features. We then used these features to build the multi-label classification models based on recurrent neural network to assign a semantic class to the vocalization that characterize the laying hen behavior. The results show an overall performance with our model based on the combination of time and frequency domain features that obtained the highest F1-score (F1=92.75) with a gain of 17% on the models using the frequency domain features and of 8% on the compared approaches from the litterature.
• Abstract（参考訳）: 現代の養鶏の利益の一つは、健康行動に関する非常に有用な情報を含む産卵鶏の発声である。 この情報は、早急かつ効果的な介入のための問題の早期発見を含む産卵鶏のモニタリングに役立つ健康と幸福の指標として使用される。 そこで本研究では,産卵鶏の鳴き声のタイプ認識のための音響解析に焦点をあて,その行動のロバストな評価システムを提案する。 そこで我々はまず,産卵鶏の鳴き声信号の収集とアノテートを行い,時間領域と周波数領域の組合せに基づく最適な音響特性評価法を考案した。 次に、これらの特徴を用いて、繰り返しニューラルネットワークに基づくマルチラベル分類モデルを構築し、その振る舞いを特徴付ける発声に意味クラスを割り当てた。 その結果,f1-score (f1=92.75) の最高値を得た時間領域と周波数領域の特徴を組み合わせると,周波数領域特徴を用いたモデルで17%,リタクチャから比較したアプローチで8%の性能が得られた。

関連論文リスト

• On the Utility of Speech and Audio Foundation Models for Marmoset Call Analysis [19.205671029694074]
  本研究は,4,8,16kHzの事前学習帯域において,音声領域と一般音声領域から派生した特徴表現をマーモセットコールタイプおよび発信者分類タスクに対して評価する。 その結果、より高い帯域幅を持つモデルでは性能が向上し、音声や一般音声での事前学習では同等の結果が得られ、スペクトルベースラインよりも改善されることがわかった。
  論文  参考訳（メタデータ） (2024-07-23T12:00:44Z)
• Histogram Layer Time Delay Neural Networks for Passive Sonar Classification [58.720142291102135]
  時間遅延ニューラルネットワークとヒストグラム層を組み合わせた新しい手法により,特徴学習の改善と水中音響目標分類を実現する。 提案手法はベースラインモデルより優れており,受動的ソナー目標認識のための統計的文脈を取り入れた有効性を示す。
  論文  参考訳（メタデータ） (2023-07-25T19:47:26Z)
• Vocos: Closing the gap between time-domain and Fourier-based neural vocoders for high-quality audio synthesis [1.4277428617774877]
  フーリエスペクトル係数を直接生成する新しいモデルであるVocosを提案する。 計算効率を大幅に向上し、時間領域のニューラルネットワークのボコーディングアプローチに比べて、桁違いにスピードが向上する。
  論文  参考訳（メタデータ） (2023-06-01T15:40:32Z)
• Self-supervised models of audio effectively explain human cortical responses to speech [71.57870452667369]
  我々は、自己教師型音声表現学習の進歩に乗じて、人間の聴覚システムの最先端モデルを作成する。 これらの結果から,ヒト大脳皮質における音声処理の異なる段階に関連する情報の階層構造を,自己教師型モデルで効果的に把握できることが示唆された。
  論文  参考訳（メタデータ） (2022-05-27T22:04:02Z)
• Automated Mobility Context Detection with Inertial Signals [7.71058263701836]
  本研究の主な目的は,日常の運動機能の遠隔監視のためのコンテキスト検出について検討することである。 本研究の目的は、ウェアラブル加速度計でサンプリングされた慣性信号が、歩行関連活動を屋内または屋外に分類するための信頼性の高い情報を提供するかを理解することである。
  論文  参考訳（メタデータ） (2022-05-16T09:34:43Z)
• Time-Frequency Localization Using Deep Convolutional Maxout Neural Network in Persian Speech Recognition [0.0]
  一部の哺乳類の聴覚ニューロン系における時間周波数の柔軟性は、認識性能を向上させる。 本稿では,ASR音響モデルにおける音声信号情報の時間的局所化のためのCNNに基づく構造を提案する。 TFCMNNモデルの平均認識スコアは、従来のモデルの平均よりも約1.6%高い。
  論文  参考訳（メタデータ） (2021-08-09T05:46:58Z)
• Generalizing Face Forgery Detection with High-frequency Features [63.33397573649408]
  現在のCNNベースの検出器は、メソッド固有の色テクスチャに過度に適合するため、一般化に失敗する傾向にある。 フェースフォージェリ検出に高周波雑音を用いることを提案する。 1つは、複数のスケールで高周波ノイズを抽出するマルチスケールの高周波特徴抽出モジュールである。 2つ目は、低レベルRGB特徴抽出器を導く残差誘導空間注意モジュールで、新しい視点からフォージェリートレースにもっと集中する。
  論文  参考訳（メタデータ） (2021-03-23T08:19:21Z)
• Exploiting Attention-based Sequence-to-Sequence Architectures for Sound Event Localization [113.19483349876668]
  本稿では,注意に基づくシーケンス・ツー・シーケンスモデルを用いて,音のイベントの局所化に新たなアプローチを提案する。 それは無響および残響の条件の最先端の方法と比較される優秀なローカリゼーションの性能をもたらします。
  論文  参考訳（メタデータ） (2021-02-28T07:52:20Z)
• Deep Learning-based Cattle Activity Classification Using Joint Time-frequency Data Representation [2.472770436480857]
  本稿では,牛の行動・行動の分類と行動モデルの構築にシーケンシャルディープニューラルネットワークを用いた。 本研究の主な焦点は,センサデータの同時時間周波数領域表現の探索である。 3軸加速度計、磁力計、ジャイロスコープのセンサーから収集された300万以上のサンプルからなる実世界のデータセットに基づいています。
  論文  参考訳（メタデータ） (2020-11-06T14:24:55Z)
• Score-informed Networks for Music Performance Assessment [64.12728872707446]
  MPAモデルにスコア情報を組み込んだディープニューラルネットワークに基づく手法はまだ研究されていない。 スコアインフォームド性能評価が可能な3つのモデルを提案する。
  論文  参考訳（メタデータ） (2020-08-01T07:46:24Z)
• ADRN: Attention-based Deep Residual Network for Hyperspectral Image Denoising [52.01041506447195]
  ノイズの多いHSIからクリーンなHSIへのマッピングを学習するために,注目に基づくディープ残差ネットワークを提案する。 実験の結果,提案手法は定量的および視覚的評価において最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-03-04T08:36:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。