L'Université De Milan Publie Un Article Contenant Un Ensemble De Données Sur Les Sons Des Chats, Classant Les Miaulements
Une équipe de recherche de l'Université de Milan a publié un article intitulé « Classification automatique des cris de chat dans différents environnements » dans la revue Animal Welfare.
Ils ont réussi à classer automatiquement les miaulements des chats grâce à des algorithmes de traitement du signal audio et de reconnaissance de formes. De plus, l’équipe a également publié un ensemble de données contenant 440 appels collectés auprès de 21 chats.
Collectionnez vingt et un chats qui miaulent dans trois états
Les chats ont toujours été l’un des animaux de compagnie les plus populaires et les plus appréciés de la famille. Grâce à diverses études sur leur comportement, nous pouvons améliorer notre compréhension globale des chats.
L’équipe de recherche a mené cette étude dans l’espoir de découvrir s’il existe des points communs et des modèles dans les cris des chats dans plusieurs environnements courants.Ces modèles peuvent être trouvés grâce à l’apprentissage automatique pour comprendre les intentions comportementales ou les activités psychologiques du chat.
Ils ont sélectionné 21 chats de deux races, 10 Maine Coons et 11 British Shorthair, et ont soigneusement enregistré leur sexe et leur statut de stérilisation.
L'ensemble de données comprend leurs appels dans trois conditions environnementales :Lorsqu'on le touche, dans des environnements inconnus ou avant de le nourrir,Et assurez-vous strictement que chaque chat possède différentes variables dans trois environnements.
Par exemple, avant d’enregistrer les appels des chats dans des environnements inconnus, les propriétaires seront autorisés à rester avec les chats dans l’environnement pendant au moins 30 minutes pour éviter de stimuler leurs fluctuations émotionnelles. Après s'être assuré que les émotions du chat sont stables, le propriétaire quitte l'environnement actuel et enregistre les appels du chat pendant les dix minutes où il est seul.
Lors du processus de collecte de données, il est également nécessaire de minimiser l'impact des maisons, des décorations de meubles, etc. sur la réception. L'équipe a également testé divers dispositifs de réception, notamment des dispositifs portables pour animaux de compagnie, afin de garantir la qualité de la réception.
Sur la base des fichiers sonores, l'équipe de recherche a extrait deux ensembles de paramètres acoustiques, à savoir les coefficients cepstraux de fréquence Mel (MFCC) et les caractéristiques temporelles. Utilisez ces paramètres pour classer l'espace du problème à l'aide d'un schéma de classification tel qu'une classification basée sur un graphe acyclique dirigé.
L'équipe de recherche a utilisé cinq schémas de classification :Il existe cinq méthodes de classification : DAG-HMM (Directed Acyclic Graph-Hidden Markov), HMM spécifiques à une classe, HMM universel, machine à vecteurs de support SVM et réseau d'état d'écho ESN.
Les résultats montrent que la méthode GAG-HMM a un taux de reconnaissance élevé des miaulements de chat dans trois états. Surtout pour le son de l'attente d'être nourri, il a un taux de reconnaissance précis de 100%.
L’équipe a été grandement encouragée par les résultats de cette étude, car l’expérience a prouvé que les miaulements des chats peuvent être efficacement classés. Ils prévoient d'essayer de combiner les mouvements corporels du chat dans la prochaine étape de leur recherche pour construire un modèle d'analyse et continuer à analyser les caractéristiques émotionnelles du chat.
Les résultats montrent que la méthode GAG-HMM a un taux de reconnaissance élevé des miaulements de chat dans trois états. Surtout pour le son de l'attente d'être nourri, il a un taux de reconnaissance précis de 100%.
L’équipe a été grandement encouragée par les résultats de cette étude, car l’expérience a prouvé que les miaulements des chats peuvent être efficacement classés. Ils prévoient d'essayer de combiner les mouvements corporels du chat dans la prochaine étape de leur recherche pour construire un modèle d'analyse et continuer à analyser les caractéristiques émotionnelles du chat.
Lisez le document, téléchargez l’ensemble de données et vous pourrez comprendre les chats ?
Accès au papier https://www.mdpi.com/2076-2615/9/8/543/htm Lire
Accès aux jeux de données https://openbayes.com/console/openbayes/datasets/cxuvZ3QDu2S/ Télécharger après inscription
Dans un article que nous avons publié au début de l'année Bonne nouvelle pour les propriétaires d'animaux : l'IA peut désormais reconnaître les petites émotions des chiens et des chatsNous avons présenté certaines technologies et produits actuellement sur le marché pour identifier les émotions des animaux de compagnie. Également mentionné,Les animaux ont un système d’expression très complexe et le son n’est qu’une partie de leur langage., la plupart des animaux s’appuient également sur les mouvements du corps, les odeurs et même les hormones biologiques pour communiquer entre eux.
Donc, si vous voulez comprendre leurs émotions, l’intelligence artificielle a une solution. Cependant, nous recommandons aux propriétaires d'accorder plus d'attention aux performances et aux réactions de leurs animaux pendant le processus d'élevage, afin qu'ils puissent mieux comprendre leurs véritables émotions et besoins.