Abstract:
ABSTRACT
The identification of bird species by their sounds is one field of research. This paper focuses on identifying bird species based on spectrogram images using Convolutional Neural Networks (CNN). This is more than a challenge when talking about advanced identification of bird species using spectrogram analysis. Different CNN architecture models and representations of the spectrum have been trained, validated, and tested on 10600 audio instances, which belongs to 437 various classes in our dataset. We had concluded that CNN allows achieving good results since it eliminates the potential modeling errors from results of the incomplete or inaccurate bird species knowledge. The models were implemented by using the Python programming language and the Librosa library. The bird sounds have been obtained from different areas in Turkey, and we performed pre-processing operations to create a spectrogram dataset. We divided the label sounds for training, testing, and validation. Then, the samples were put into 10-folds. The system trains for 150-epochs and the loss is 0.7759 and the overall training accuracy stands at 0.94.
ÖZET
Kuş türlerinin sesleriyle tanımlanması bir araştırma alanıdır. Bu makale, Evrişimli Sinir Ağlarını (CNN) kullanarak spektrogram görüntülerine dayalı olarak kuş türlerini tanımlamaya odaklanmaktadır. Bu, kuş türlerinin spektrogram analizi ile ileri düzeyde tanımlanmasından bahsederken bir zorluktan fazlasını temsil eder. Spektrumun farklı CNN mimari modelleri ve temsilleri, veri setimizdeki 437 farklı sınıfa ait 10600 ses örneği üzerinde eğitilmiş, doğrulanmış ve test edilmiştir. CNN'in, eksik veya yanlış kuş türleri bilgisinin sonuçlarından kaynaklanan potansiyel modelleme hatalarını ortadan kaldırdığı için iyi sonuçlara ulaşılmasına izin verdiği sonucuna vardık. Modeller Python programlama dili ve Librosa kütüphanesi kullanılarak gerçekleştirildi. Kuş sesleri Türkiye'nin farklı bölgelerinden elde edildi ve bir spektrogram veri seti oluşturmak için ön işleme işlemleri gerçekleştirdik. Etiket seslerini eğitim, test ve doğrulama için böldük. Daha sonra numuneler 10 katına konuldu. Sistem 150 dönem için eğitim alır ve kayıp 0,775922'dir ve genel eğitim doğruluğu 0,94'tür.
