近日，团队电气工程及其自动化产教融合班2022级本科生方明慧以第一作者身份在在《应用声学》Applied Acoustics（中科院二区，IF=3.6）期刊发表了题为“ Multi-label bird sound recognition based on multi-view learning and dynamic threshold adjustment”《基于多视图学习和动态阈值调整的多标签鸟声识别》论文。解决了在实际环境中鸟声混鸣复杂情况下分类困难的问题。
鸟类物种监测对鸟类保护至关重要，但自然环境中的鸟声的混鸣使多标签分类复杂化，影响了模型性能。为了解决这些问题，提出了自适应多标签注意力阈值网络作为鸟鸣声分类框架（图一）。
图一自适应多标签注意力阈值网络结构
自适应多标签注意力阈值网络（AMAT-Net）采用多视图策略：利用双向门控循环单元（BiGRU）-注意力网络分析时间特征，并采用多尺度卷积神经网络（CNN）提取频谱特征，以实现全面的鸟类声音分析。鉴于时间特征主要捕捉瞬时动态变化，而频域特征则揭示频谱趋势特征，在保留两者关键信息的同时实现有效融合存在挑战。为此，本文设计了时间-频谱注意力特征融合（TSAFF）模块，该模块基于注意力机制融合时域与频域特征，增强了跨域特征的互补性。模型首先对每个标签进行相关/不相关的二分类判断，并据此确定初始阈值。随后，提出一种基于得分的动态阈值缩放（DTS）策略：首先利用皮尔逊相关系数构建标签相关性矩阵；在预测过程中，对高相关标签对的分类器得分进行协同调整；最后，通过分层交叉验证搜索使F1分数最大化的最优阈值，动态优化每个物种的决策边界，以适应实际标签分布。
图二动态阈值缩放（DTS）策略
全文链接：https://doi.org/10.1016/j.apacoust.2025.110943