原创：HyperAI超神经
关键词：声音识别 动物AI 机器学习 深度学习
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》。
他们通过音频旗子暗记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 只猫网络的叫声数据集。
猫，一贯以来都是最受欢迎和喜好的家庭宠物之一，通过对它们的行为、各种研究加强对猫的全面理解。
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，能通过机器学习的办法，找到这些规律，以理解猫的行为意图或生理活动。
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、绝育情形。
英国短毛猫-蓝猫
缅因猫
喵喵叫数据集
发布机构：米兰大学打算机系
包含数量：440 段音频
数据格式：wav
数据大小：20 MB
下载地址：
https://openbayes.com/console/openbayes/datasets/cxuvZ3QDu2S/
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，并严格担保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，以免引发它们的感情颠簸。在担保猫咪感情稳定后，主人离开当前环境，收录猫咪独处的十分钟里的叫声。
在数据网络过程中，还须要只管即便减少房屋、家具装饰等对收音的影响，团队还测试了各种收音设备，包括宠物穿着设备，确保收音质量。
图为受试猫猫佩戴研究团队挑选的收音设备
图为受试猫猫佩戴研究团队挑选的收音设备
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）和时序特色。用这些参数利用基于有向无环图平分类方案，将问题空间进行分类。
研究团队共利用了五种分类方案：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 反应状态网络（Echo State Network ）五种分类方法。
实验结果创造 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：
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。尤其对付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。他们操持下一步的研究将考试测验结合猫咪的身体动作，建立剖析模型，连续剖析猫咪的感情特色。
读论文，下载数据集，就能理解猫？阅读完全论文：
https://www.mdpi.com/2076-2615/9/8/543/htm
访问数据集：
https://openbayes.com/console/openbayes/datasets/cxuvZ3QDu2S/
我们在年初的一篇文章《铲屎官福音：汪星人和喵星人的小感情，AI 可以识别了》先容过目前市情上一些识别宠物感情的技能和产品。也提及，动物的表达体系十分繁芜，声音只是其措辞的一部分，绝大多数动物还会依赖肢体动作、气味乃至生物激素，进行彼此之间的互换。
以是，要想搞懂它们的感情，人工智能的确有办法。但是我们建议主人在养育过程中，多多存心关注小主子的表现与反应，更能体会到它们真实的感情和需求噢~