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

Posted 2021-07-15 QbitAl

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。

画风是这样的：

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。

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。

△缅因猫vs欧洲短毛猫

不少网友下载后表示：

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。

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：

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。

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%。

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”。

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。

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？

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：

有网友嗅到了里面的商机：

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：

对猫咪叫声有兴趣的朋友，戳下方地址即可获取~

猫叫数据集传送门：
https://zenodo.org/record/4008297#.YNFSEhMzaPf