ONCship：用于船舶识别的大规模水声语料库

近年来，深度学习的进展显著提升了水声船舶识别的性能。然而，现有公开数据集的规模通常有限，阻碍了大规模表征学习和下游任务评估。为解决这一局限，我们推出了 ONCship，这是一个大规模水声数据集，包含 4521 小时经过整理的录音，数据来源于 Ocean Networks Canada（ONC）的水听器和自动识别系统（AIS）。我们在三项任务上评估了该数据集：自监督表征学习、船舶类型分类和 MMSI 级船舶分类。在 DeepShip 和 ShipsEar 上的实验表明，ONCship 能够有效支持声学表征学习，其中，在 ONCship 和 AudioSet 上进行联合预训练后，通过线性探测在 DeepShip 上达到了 62.45% 的分类准确率。此外，将 ONCship 作为辅助训练数据可提升下游船舶类型分类的性能。除了常规的船舶类型分类，我们还进一步研究了 MMSI 级船舶分类，将每艘船舶视为一个独立身份。实验结果显示，使用不同损失函数微调的模型，其 Top-1 准确率超过 53%，Top-5 准确率接近 69%，证明了通过 MMSI 级船舶分类区分单艘船舶的可行性。总体而言，ONCship 为水声表征学习和船舶识别提供了宝贵资源，其丰富的船舶级元数据也支持对 MMSI 级船舶分类的进一步探索。