[发明专利]一种基于深度学习的鸟类识别方法在审
| 申请号： | 201910264817.2 | 申请日： | 2019-04-03 |
| 公开（公告）号： | CN109979441A | 公开（公告）日： | 2019-07-05 |
| 发明（设计）人： | 吕坤朋;孙斌;赵玉晓 | 申请（专利权）人： | 中国计量大学 |
| 主分类号： | G10L15/16 | 分类号： | G10L15/16;G06K9/46;G06K9/62;G06N3/04 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 310018 浙*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于深度学习的鸟类识别方法，属于鸟类鸣声识别技术领域。主要包括以下步骤：首先对不同种类鸟鸣声进行时频分析，得到不同种类鸟鸣声的时频谱图，再通过卷积神经网络提取时频谱图的图像特征，最后经过分类器，根据特征进行鸟类分类识别。该方法有较强的抗交叉干扰项的能力，分辨率较高，将鸟类各种富于变化的音节特征提取出来作为分类依据，特征参数代表性更强，受环境噪声影响弱。 | ||
| 搜索关键词： | 鸟类 时频谱图 鸟鸣声 环境噪声影响 卷积神经网络 分类识别 分类依据 交叉干扰 时频分析 特征参数 图像特征 音节特征 分类器 分辨率 学习 | ||
【主权项】：
1.一种基于深度学习的鸟类识别方法，其特征在于，包括以下步骤：步骤1、采集不同种类鸟的鸣声，声音信号预处理后，将其中包含有效音节的片段组成样本库；步骤2、样本数据归一化及预加重处理后，通过时频分析算法获得时频谱图；步骤3、通过卷积神经网络提取时频谱图的图像特征；步骤4、经过分类器，根据特征进行鸟类分类识别；根据权利要求（1）所述的一种基于深度学习的鸟类识别方法，其特征在于，步骤1所述声音信号预处理包括降噪与裁剪，有效音节的特征具有随机性与多样性 。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国计量大学，未经中国计量大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910264817.2/，转载请声明来源钻瓜专利网。
