米兰大学发布论文与猫咪叫声数据集,分类喵喵叫

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》。

他们通过音频信号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 只猫收集的叫声数据集。

收集二十一只猫,在三种状态的喵喵叫

猫,一直以来都是最受欢迎和喜爱的家庭宠物之一,通过对它们的行为、各类研究加强对猫的全面了解。

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,能通过机器学习的方式,找到这些规律,以了解猫的行为意图或心理活动。

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、绝育情况。

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,并严格保证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,以免激发它们的情绪波动。在保证猫咪情绪稳定后,主人离开当前环境,收录猫咪独处的十分钟里的叫声。

在数据收集过程中,还需要尽量减少房屋、家具装饰等对收音的影响,团队还测试了各种收音设备,包括宠物穿戴设备,确保收音质量。

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)和时序特征。用这些参数使用基于有向无环图等分类方案,将问题空间进行分类。

研究团队共使用了五种分类方案: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 回声状态网络(Echo State Network)五种分类方法。

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。尤其对于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。他们计划下一步的研究将尝试结合猫咪的身体动作,建立分析模型,继续分析猫咪的情绪特征。

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。尤其对于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。他们计划下一步的研究将尝试结合猫咪的身体动作,建立分析模型,继续分析猫咪的情绪特征。

读论文,下载数据集,就能理解猫?

论文访问 https://www.mdpi.com/2076-2615/9/8/543/htm 进行阅读

数据集访问 https://openbayes.com/console/openbayes/datasets/cxuvZ3QDu2S/ 注册后下载

我们在年初的一篇文章 《铲屎官福音:汪星人和喵星人的小情绪,AI 可以识别了》介绍过目前市面上一些识别宠物情绪的技术和产品。也提及,动物的表达体系十分复杂,声音只是其语言的一部分,绝大多数动物还会依靠肢体动作、气味甚至生物激素,进行彼此之间的交流。

所以,要想搞懂它们的情绪,人工智能的确有办法。但是我们建议主人在养育过程中,多多用心关注小主子的表现与反应,更能体会到它们真实的情绪和需求噢~