猛男把400+条猫咪叫声做成数据集，可识别猫的3种不同状态丨开源

• 萌宠菠菠乐园
• 2024-11-07 07:28

萧箫 发自 凹非寺 量子位 报道 | 公众号 QbitAI

这年头，就连喵星人也有自己的语音数据集了。

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。

图片

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。

图片

不少网友下载后表示：

图片

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。

图片

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：

图片

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。

图片

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%。

图片

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”。

图片

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。

图片

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？

图片

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：

图片

有网友嗅到了里面的商机：

图片

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：

图片

相关知识

400+条猫咪叫声被做成数据集，可识别猫咪的3种不同状态
猛男把400+条猫咪叫声做成数据集，可识别猫咪的3种不同状态丨开源
顶刊TPAMI 2022！基于不同数据模态的行为识别：最新综述
【宠物狗狗数据集】 犬类品种识别 宠物狗检测 深度学习 目标检测（含数据集）
探索AIDog：智能狗狗识别与行为理解的开源项目
如何识别不同宠物狗的叫声
鸟类声音识别技术综述：从传统方法到深度学习
【开源】把自己做成电子宠物！自制单片机ESP32S3拓麻歌子 Tamagotchi 制作教程 DIY自制 宠物机 电子宠物
面部表情识别2：Pytorch实现表情识别(含表情识别数据集和训练代码)
猫咪情绪识别入门：猫脸检测技术的奥秘

网址: 猛男把400+条猫咪叫声做成数据集，可识别猫的3种不同状态丨开源 https://m.mcbbbk.com/newsview541149.html