Detection of infant guinea pig vocalizations using machine learning

Abstract

One way to address guinea pigs (Cavia porcellus) internal state on a behaviour of inter est (e.g., elicit mother retrieval when isolated) is through the quantitative and qualitative analysis of vocalizations emitted by them. Researchers usually annotate these vocaliza tions for further counting and characterization using visual cues (spectrograms) generated from experiment recordings. This process demands time, effort and attention from these individuals. This work proposes a Machine Learning model for annotating these vocal izations – a fundamental step in both of these analysis types – in raw waveforms with no further human effort by using previously annotated recordings as base knowledge. Au dibleSincNet, the proposed model, overcomes the spectrogram-threshold based approach on the task of vocalization detection when trained using a manually annotated dataset with ~5.5 hours and evaluated on a separated test set with 1.5 hours of experiment recordings.

Uma maneira de avaliar o estado interno de Porquinhos-da-Índia (Cavias porcellus) com respeito a um comportamento – como incentivar o resgate da mãe quando isolado – se dá pela análise quantitativa e qualitativa das vocalizações emitidas pelos mesmos. Essas vocalizações são comumente anotadas por pesquisadores para futura contagem e caracterização destas. Para isso, um espectrograma gerado a partir de gravações dos experimentos é interpretado, processo este que demanda tempo, esforço e atenção desses indivíduos. Esse trabalho propõe um modelo de Aprendizado de Máquina para a anotação automática dessas vocalizações – um processo fundamental para ambos os tipos de análise – em formas de onda brutas, usando gravações previamente anotadas, sem a necessidade de esforço destes pesquisadores. O modelo proposto, AudibleSincNet, supera o modelo baseado em análise de espectrograma na tarefa de detectar vocalizações quando treinado em um conjunto de dados com aproximadamente 5.5 horas e avaliado em um conjunto de dados separado para teste com 1.5 horas de gravações de experimentos.