Konferensi Nasional Ilmu Komputer (KONIK) 2021 P-ISSN : 2338-2899

E-ISSN: 2807-1271

Klasifikasi Suara Kucing dan Anjing

Menggunakan Convolutional Neural Network
Cecilia Tania Emanuella1, Musfita2, dan Armin Lawi3
Program Studi Sistem Informasi, Departemen Matematika,
Fakultas MIPA, Universitas Hasanuddin
emanuellact18h@[Link], musfita18h@[Link], armin@[Link]

Abstract — Cats and dogs are human pets that I. PENDAHULUAN

communicate through sound. To identify, distinguish and
recognize the voices of other pets, sound classification is needed Kucing dan anjing merupakan salah satu hewan
to make it clearer. This study presents a classification method
peliharaan manusia yang berkomunikasi melalui suara.
using Deep Learning techniques with a Convolutional Neural
Network (CNN) model on a limited amount of data. This
Kucing dan anjing merupakan salah satu hewan peliharaan
classification requires class labels and the same data size by manusia yang berkomunikasi melalui suara. Untuk
performing a generation that takes the same sound length in 2 membantu mengetahui, membedakan dan mengenali suara
classes, then MFCC feature extraction is carried out to obtain hewan dengan peliharaan yang lain, dibutuhkan klasifikasi
information in the audio data. CNN is composed of 3 suara hewan agar lebih jelas.
convolutions with filters 16, 32, 64 and kernel 3x3, max pooling Generasi suara dan sistem persepsi hewan telah berevolusi
2x2, dropout, flatten and 3 hidden layers, and neurons 128, 64, untuk membantu mereka bertahan hidup di lingkungan
2 with relu and softmax activation functions. After the data is mereka. Dari perspektif evolusi, suara yang disengaja yang
shared for training and testing then create a CNN model and
dihasilkan oleh hewan harus berbeda dari suara acak
train the data and predict the model. The best training
accuracy results are 93.8% and the highest validation accuracy
lingkungan. Beberapa hewan memiliki keistimewaan
is 90%, for the last epoch the training accuracy is 92.2% and kemampuan sensorik, seperti penglihatan, pemandangan,
the validation accuracy is 87.7% with an f1-score of 88%. For perasaan, dan kesadaran akan perubahan alam yang
precision 87% for cats and 89% for dogs and for recall for cats dibandingkan kepada manusia. Suara binatang dapat
89% and dogs for 87%, where the positive label is cats and the bermanfaat bagi manusia dalam hal keamanan, prediksi
AUROC score is 87.8%. bencana alam, dan interaksi intim jika kita mampu
Keyword — Classification, Convolution Neural Network mengenalnya dengan baik[1].
(CNN), Data Pre-processing, Deep Learning, Feature Peneliti dalam beberapa tahun terakhir, dan beberapa
Extraction. penelitian telah dilakukan pada klasifikasi suara hewan[1]-
[4]-[5]-[9] dimana pada penelitian mereka melakukan
Abstrak — Kucing dan anjing merupakan hewan peliharaan klasifikasi suara hewan dengan menggunakan metode dan
manusia yang berkomunikasi melalui suara. Untuk mengetahui, model yang berbeda, serta dengan objek yang berbeda pula
membedakan dan mengenali suara hewan peliharaan yang lain, untuk menghasilkan penelitian yang sesuai yang diharapkan,
dibutuhkan klasifikasi suara agar lebih jelas. Penelitian ini
dengan akurasi yang cukup baik. Dalam penelitian kali ini
menyajikan metode klasifikasi menggunakan teknik Deep
Learning dengan model Convolutional Neural Network (CNN) akan dilakukan klasifikasi suara hewan kucing dan anjing
pada data dengan jumlah yang terbatas. Klasifikasi ini memerlukan untuk membedakan suara di antara kedua hewan tersebut.
label kelas dan ukuran data yang sama dengan melakukan Sebelumnya sudah ada penelitian yang sama tentang
generation yang mengambil panjang suara yang sama pada 2 kelas, klasifikasi perbedaan kucing dan anjing melalui perbedaan
kemudian dilakukan ekstraksi fitur MFCC mendapatkan informasi gambar pada penelitian[9].
dalam data audio. CNN tersusun dari 3 convolution dengan filter Yang membedakan penelitian sebelumnya dengan
16, 32, 64 dan masing-masing kernel 3x3, max pooling 2x2, penelitian yang akan kami lakukan yaitu melakukan
dropout, flatten dan 3 hidden layers, serta neuron 128, 64, 2 klasifikasi suara kucing dan anjing dengan menggunakan
dengan fungsi aktivasi relu dan softmax. Setelah data dibagi untuk
data yang tersedia dalam jumlah yang terbatas. Metode
training dan testing kemudian membuat model CNN dan melatih
data serta memprediksi model. Hasil akurasi latih terbaik sebesar klasifikasi yang digunakan adalah teknik Deep Learning
93.8% dan akurasi validasi tertinggi 90%, untuk epoch terakhir dengan model CNN. Convolutional Neural Network adalah
akurasi latih 92.2% dan akurasi validasi 87.7% dengan f1-score salah satu metode machine learning dari pengembangan
88%. Untuk precision kucing 87% dan anjing 89% serta recall Multi Layer Perceptron (MLP) yang didesain untuk
kucing 89% dan anjing 87%, dimana label positifnya yaitu kucing mengolah data dua dimensi. CNN tersusun dari 3
dan skor AUROC 87.8%. convolution dengan filter 16, 32, 64 dan masing- masing
Kata kunci — Convolution Neural Network (CNN), Deep kernel 3x3, max pooling 2x2, dropout, flatten dan 3 hidden
Learning, Ekstraksi Fitur, Klasifikasi, Pra-pengolahan Data layer, serta neuron 128, 64, 2 dengan fungsi aktivasi relu
dan softmax.

321
 Emanuella et al.
IJCCSISSN
Untuk lebih memahami hasil yang didapatkan, disajikan subsampling[5]. Kemudian sub sampling tersebut diolah ke
confusion matrix, kurva ROC dan report classification. dalam suatu pemetaan fitur. Hasil dari pemetaan tersebut
Model CNN untuk klasifikasi memerlukan label kelas dan diklasifikasikan ke dalam pilihan solusi yang tersedia[6].
ukuran data yang sama sehingga kumpulan data (dataset)
B. Komponen Arsitektur dan Klasifikasi
dibangun dengan melakukan generation pada data dengan
mengambil panjang suara yang sama pada 2 kelas, 1) Convolution 2D
kemudian dilakukan ekstraksi fitur dengan MFCC untuk
membantu mendapatkan banyak informasi dalam data
audio. Setelah data dibagi untuk training dan validasi
kemudian membuat model CNN dan melatih data serta
memprediksi model.

II. TINJAUAN PUSTAKA Gambar 3. Convolutional 2D.

A. Konsep Dasar
Konvolusi adalah jenis operasi matriks, yang
terdiri dari kernel, matriks kecil bobot, yang
meluncur di atas data masukan yang melakukan
perkalian bijak dengan bagian masukannya, lalu
menjumlahkan hasilnya menjadi keluaran. Matriks
direferensikan disini sebagai [kolom, baris], bukan
[baris, kolom]. M adalah arah horizontal( kolom)
dan N adalah arah vertikal (baris).
2) Max Pooling 2D

Gambar 4. Max Pooling 2D.

Gambar 1. Sekuens Convolutional Neural Network.
Max Pooling adalah operasi penggabungan yang
menghitung nilai maksimum untuk patch peta fitur,
Convolutional Neural Network adalah salah satu metode dan menggunakannya untuk membuat peta fitur
machine learning dari pengembangan Multi Layer downsampled. Digunakan setelah lapisan
Perceptron (MLP) yang didesain untuk mengolah data dua konvolusional.
dimensi. CNN termasuk dalam jenis Deep Neural Network
karena dalamnya tingkat jaringan dan banyak 3) Activation ReLU
diimplementasikan dalam data citra. CNN dirancang untuk
memproses suatu data yang ada dalam bentuk banyak array,
contohnya gambar warna yang terdiri dari 2D array yang
mengandung piksel dalam tiga macam warna yaitu Red,
Green, dan Blue. Ada berbagai macam bentuk CNN adalah
1D untuk sinyal dan urutan biasa nya digunakan untuk
bahasa, 2D untuk gambar atau suara; dan 3D untuk video
atau gambar volumetrik.
Gambar 5. Activation.

Activation ReLU (Rectified Linear Units) adalah

jenis fungsi aktivasi yang linear di dimensi positif,
tetapi nol di dimensi negatif. Ketegaran dalam
fungsi adalah sumber non-linearitas. Linearitas
dalam dimensi positif memiliki sifat menarik yang
mencegah gradien non-saturasi (kontras dengan
Gambar 2. Convolutional Neural Network.
aktivasi sigmoid), meskipun untuk setengah dari
garis nyata gradiennya adalah nol.
Dalam gambar diatas, dijelaskan bahwa cara kerja
Convolution Neural Network adalah dengan memberlakukan
filter pada suatu gambar yang dijalankan dengan
menggunakan matriks tersebut[4]. Kemudian hasil filtering
tersebut difilter kembali untuk mendapatkan suatu

322
 Emanuella et al.
IJCCSISSN
4) Dropout bentuk yang sama untuk setiap sampel. Sehingga
dalam penelitian ini menggunakan data audio 2
detik dengan metode pengambilan acak dari semua
sampel.
8) Feature Extraction
Raw audio wave yang diekstrak menggunakan
librosa tidak terlalu informatif karena pada
dasarnya hanya terdiri dari data satu dimensi yang
disimpan dalam array yang hanya mewakili
amplitudo setiap bit. Namun, kita perlu juga untuk
mempertimbangkan pitch audio tersebut sehingga
Gambar 6. Droupout. untuk mengekstrak informasi nada berdasar audio
yang diberikan digunakan fungsi mfcc(). Mel
Dropout mengacu pada pengabaian neuron Frequency Cepstral Coefficients (MFCC)
selama fase pelatihan dari rangkaian neuron merupakan metode ekstraksi fitur untuk
tertentu yang dipilih secara acak, dropout mendapatkan lebih banyak informasi dalam data
digunakan untuk mencegah overfitting. Dropout audio. MFCC sebagai vektor ciri yang baik untuk
mengubah konsep dari mempelajari semua bobot merepresentasikan suara dan sinyal yang telah
bersama-sama menjadi mempelajari sebagian kecil terbukti bermanfaat untuk pengenalan suara,
bobot dalam network di setiap iterasi pelatihan. MFCC dapat digunakan untuk mengekstrak data
sinyal suara sehingga bisa didapatkan ciri yang
5) Flatten
terdapat pada data sinyal suara. Pada MFCC
diterapkan transpose dan output dari fitur ini
ditunjukkan dengan gambar heatmap yang nantinya
akan dilakukan klasifikasi pada gambar tersebut.
9) Label Preprocessing
Sebelum membangun arsitektur kira perlu
memberi label-encode dan one-hot-encode dari
Gambar 7. Flatten. setiap sampel dengan representasi 0 dan 1 karena
nilai dalam array generate masih dalam bentuk
Flatten merupakan salah satu operasi pada tensor data kategorikal yang sama sekali tidak dapat
dengan membentuk kembali tensor menjadi bentuk diolah untuk neural network.
yang sama dengan jumlah elemen yang terdapat 10) Normalization
dalam tensor. Ini sama dengan array element 1d.
Normalisasi data yang kami gunakan yaitu Min-
6) Dense Max Normalization. Cara kerjanya setiap nilai pada
sebuah fitur dikurangi dengan nilai minimum fitur
tersebut, kemudian dibagi dengan rentang nilai atau
nilai maksimum dikurangi nilai minimum dari fitur
tersebut.

(1)
Gambar 8. Dense.
11) Data Split
Dense merupakan lapisan layer pada jaringan Tahap pasca persiapan, data dibagi menjadi
saraf yang terhubung secara dalam, artinya setiap dataset train dan test menggunakan Hold-Out
neuron pada lapisan padat tersebut menerima dengan pembagian masing-masing 70% dan 30%.
masukan dari semua neuron pada lapisan Model CNN yang dalam kemudian dilatih pada
sebelumnya. Dense merupakan lapisan yang paling data train dan memprediksi model dengan diuji
umum digunakan dalam model. pada data test.
7) Data Generation 12) Evaluation
Semua audio memiliki panjang yang berbeda
sehingga menjadi masalah karena dalam
pengklasifikasian hanya menerima data dengan (2)

323
 Emanuella et al.
IJCCSISSN
kompetisi Anjing vs Kucing dari Kaggle. Terutama
menyelidiki dua pendekatan untuk mengatasi masalah ini.
(3) Yang pertama adalah model pengenalan pola tradisional.
Kami mengekstrak beberapa fitur buatan manusia seperti
warna dan Dense-SIFT, merepresentasikan gambar
(4) menggunakan model bag of words, lalu melatih
pengklasifikasi Support Vector Machines (SVM). Untuk
pendekatan kedua, kami menggunakan Deep Convolutional
Neural Networks (CNN) untuk mempelajari fitur gambar
dan Jaringan Syaraf Tiruan Backpropagation (BP) terlatih
dan SVM untuk klasifikasi. Kami mencoba berbagai
Dalam hasil pelatihan dilakukan pengujian eksperimen untuk meningkatkan performa kami pada set
seperti menguji precision, accuracy, f1-score, loss data pengujian, dan akhirnya mendapatkan akurasi terbaik
function dan confusion matrix. Dengan matriks 94.00% dengan pendekatan kedua[9].
menampilkan tabel hasil prediksi pada data test, f1-
(Pandeya, Kim and Lee, 2018) melakukan penelitian
score sebagai poin data yang diprediksi sebagai
tentang Klasifikasi suara kucing domestik menggunakan
persentase dari semua prediksi, precision
Learned Features dari Deep Neural Nets. Dimana dalam
mengukur seberapa akurat prediksi tersebut, loss
penelitiannya menggunakan dua jenis fitur yang dipelajari
function untuk mengevaluasi cara algoritma
dari deep neural networks; satu dari convolutional neural
memodelkan data.
net (CNN) pada data musik dengan transfer learning dan
C. Penelitian yang Relevan lainnya dari unsupervised convolutional deep belief network
yaitu (CDBN) hanya dilatih pada kumpulan suara kucing.
(Lee et al., 2017) Pada penelitian ini dilakukan Klasifikasi
Dengan membandingkan kinerja klasifikasi faktor-faktor.
Audio untuk Pengenalan audio-visual (AVR) Menggunakan
Dimana jumlah data yang ditingkatkan dengan augmentasi,
Arsitektur CNN tingkat sampel. Dimana dalam
fitur yang dipelajari dari CNN terlatih atau CDBN tanpa
penelitiannya mengusulkan penggunaan arsitektur jaringan
pengawasan, GAP atau FDAP konvensional, dan
saraf konvolusional 3D (3D CNN). Dengan menggunakan
pembelajaran mesin algoritma yang digunakan untuk
arsitektur jaringan yang relatif kecil dan kumpulan data
klasifikasi. Selain itu, fitur yang dipelajari dari CNN terlatih
yang jauh lebih kecil untuk pelatihan, metode yang kami
dan produksi CDBN tanpa pengawasan hasil yang baik
usulkan melampaui kinerja metode serupa yang ada untuk
dalam percobaan. Oleh karena itu, dengan kombinasi dari
pencocokan audio-visual, yang menggunakan CNN 3D
semua faktor positif tersebut, diperoleh hasil terbaik dengan
untuk representasi fitur. Metode yang diusulkan mencapai
akurasi 91,13%, f1-score 0,91, dan area bawah kurva
peningkatan relatif lebih dari 20% pada tingkat kesalahan
0,995.(AUC)[1].
yang sama dan lebih dari 7% pada presisi rata-rata
dibandingkan dengan metode mutakhir[2]. (Singh, 2020) Dalam penelitian Sing mengenai Klasifikasi
Suara Hewan Menggunakan Convolutional Neural Network
(Torfi et al., 2017) Penelitian Investigasi Berbagai Model
mengusulkan kerangka kerja berbasis jaringan saraf
Berbasis CNN untuk Klasifikasi Suara Burung yang Lebih
konvolusional yang fleksibel untuk klasifikasi audio hewan.
Baik juga dilakukan oleh trofi. Dimana dalam studi ini,
Model didorong oleh ideologi untuk mengidentifikasi suara
membandingkan yang berbeda model klasifikasi dan secara
binatang dalam file audio dengan memaksa jaringan untuk
selektif memadukannya untuk lebih meningkatkan kinerja
memperhatikan efek audio inti yang ada dalam audio untuk
klasifikasi suara burung. Tiga jenis frekuensi waktu
menghasilkan Mel-spectrogram. Kerangka yang dirancang
Representasi (TFR) suara burung diselidiki dengan tujuan
mencapai akurasi 98% saat mengklasifikasikan audio hewan
untuk mengkarakterisasi komponen akustik yang berbeda
pada set data berlabel mingguan. Teknologi mutakhir dalam
burung: Spektogram mel, spektogram berbasis komponen
penelitian ini adalah membangun kerangka kerja yang
harmonik, dan spesifikasi berbasis komponen perkusi
bahkan dapat berjalan pada mesin dasar dan tidak
trogram. Selain TFR yang berbeda, arsitektur pembelajaran
memerlukan perangkat kelas atas untuk menjalankan
mendalam yang berbeda, Sub Spectral Net, digunakan untuk
klasifikasi[5].
mengklasifikasikan suara burung. Hasil percobaan pada
pengklasifikasian 43 jenis burung menunjukkan bahwa (Maccagno et al., 2021) Melakukan penelitian mengenai
fusing diseleksi dalam model pembelajaran secara efektif Klasifikasi audio di situs konstruksi dengan arsitektur yang
dapat meningkatkan kinerja klasifikasi. Model gabungan sama dalam penelitian ini yaitu CNN. Dalam penelitian
terbaik kami dapat mencapai a akurasi seimbang 86,31% mereka mendemonstrasikan bahwa dimungkinkan untuk
dan skor F1 tertimbang 93,31%[4]. menerapkan pendekatan saraf sudah diuji dalam klasifikasi
suara lingkungan ke yang lebih spesifik dan tantangan-
(Liu, Liu and Zhou, 2018) Melakukan penelitian terkait
domain lenge, yaitu salah satu lokasi konstruksi,
Klasifikasi gambar pada Anjing dan Kucing. Dalam
memperoleh hasil yang lumayan tinggi. Sampai saat ini,
penelitian, mereka mengembangkan algoritma untuk
arsitektur yang diusulkan telah diujicobakan pada lima kelas
mengklasifikasikan gambar anjing dan kucing, yaitu
perolehan akurasi 97%[7].

324
 Emanuella et al.
IJCCSISSN
III. METODE PENELITIAN TABEL 1
Program Kerja
A. Alur Kerja

C. Sumber Data
Dalam penelitian ini dataset yang kami ambil berasal
dari [Link]
dogs. Dataset ini merupakan dataset yang berisi suara
kucing dan anjing yang terdiri dari 164 file WAV suara
kucing dengan audio 1323 detik serta 113 file WAV suara
anjing dengan audio 598 detik.
TABEL 2
Informasi Dataset
No Data Jumlah Data

1 Cats 164

2 Dogs 113

C. Instrumen Penelitian
Instrumen Penelitian Beberapa perangkat yang
digunakan untuk mengerjakan tugas ini adalah sebagai
berikut :
1) Perangkat Lunak
Google Collab
Google Collaboratory atau Google Collab
merupakan tools yang berbasis cloud dan free
untuk tujuan penelitian. Google Collab dibuat
dengan environment jupyter dan mendukung
hampir semua library yang dibutuhkan untuk
klasifikasi pada penelitian ini.
2) Perangkat Keras
Gambar 9. Alur Kerja.
Laptop Asus dengan spesifikasi:
B. Lokasi dan Waktu Intel(R) Core(TM) i7-8565U CPU @ 1.80GHz
1.99 GHz
Lokasi Penelitian dilakukan di Kota Makassar dan Maros
pada tanggal 17 Mei 2021 - Selesai. Penelitian dilakukan di RAM 8 GB
lokasi tersebut untuk melakukan klasifikasi pada dataset 64 bit operating system
Audio Cats and Dogs dengan menggunakan CNN Pada
waktu yang telah ditentukan. Perangkat keras ini digunakan untuk mencari
sebuah dataset untuk diolah dan dilakukan
klasifikasi pada penelitian ini.

325
 Emanuella et al.
IJCCSISSN
IV. HASIL DAN PEMBAHASAN 2) Hasil Klasifikasi
A. Model Klasifikasi Membuat confusion matrix untuk mengevaluasi
performa model. Dari gambar terlihat ada yang salah
Membuat pengklasifikasi dengan model CNN di mana
klasifikasi, 5 data cat yang diprediksi sebagai dog
dalam penelitian ini menggunakan gambar heatmap seperti
dan 6 data dog diprediksi sebagai cat.
yang ada ditampilkan sebelumnya. Dengan fungsi
summary() bisa dilihat detail dari arsitektur.

Gambar 12. Confusion Matrix.

Kemudian divisualisasikan kurva ROC AUC dari

hasil klasifikasi di bawah ini.

Gambar 10. Membangun Model CNN.

B. Evaluasi Kinerja
1) Fitting Data
Setelah meng compile model, kemudian data
dilatih dengan menggunakan 50 epochs dan Gambar 13. ROC Curve.
diperoleh hasil plotting .
Berikut hasil report klasifikasi yang menampilkan
precision, recall, f1-score, support, accuracy, macro
avg, dan weight avg.

Gambar 14. Classification Report.

C. Pembahasan
Dari hasil penelitian dilakukan pada Dataset Audio Cat
and Dog yang berisi tentang suara hewan pada kucing dan
anjing. Dataset ini berjumlah 277 wav, yang terbagi atas 2
kelas yaitu kucing dan anjing. Upaya klasifikasi yang
dilakukan metode klasifikasi dengan menerapkan arsitektur
CNN. Pada penelitian ini dilakukan teknik pra-proses,
generate data, ekstraksi fitur dan klasifikasi audio melalui
hasil ekstraksi fitur gambar heatmap. Dilakukan klasifikasi
ini, untuk dapat mengenali suara hewan pada kucing dan
anjing dengan hasil yang cukup baik dengan proses training
Gambar 11. Plot Hasil Fitting Data. dan testing yang berbanding 70:30. Dengan hal itu,
didapatkan evaluasi model dengan akurasi tertinggi 93,8

326
 Emanuella et al.
IJCCSISSN
untuk validasi tertinggi 90 serta untuk epoch terakhir dengan
akurasi 92,2 dan validasi 87,7 untuk ROC curve yang
didapatkan yaitu 87,8 dan untuk masing-masing kelas
terklasifikasi dengan baik.

V. KESIMPULAN
Metode praproses dan metode klasifikasi dengan
menggunakan Convolutional Neural Network cukup baik
untuk menentukan kebenaran dari klasifikasi data audio. Hal
ini terbukti dengan hasil akurasi sebesar 88%. Perubahan
tingkat confusion tidak mempengaruhi hasil akurasi. Hal ini
membuktikan bahwa klasifikasi menggunakan metode CNN
relatif baik terhadap perubahan parameter yang dilakukan.
Dengan menggunakan data training yang baik dan optimal,
maka subset dari data training tersebut juga akan
menghasilkan klasifikasi yang baik.

UCAPAN TERIMA KASIH

Para penulis mengucapkan terima kasih kepada Tuhan
Yang Maha Esa yang telah melimpahkan rahmat-Nya
sehingga penulis dapat menyelesaikan penelitian ini. Penulis
juga mengucapkan terima kasih kepada Bapak Armin Lawi
dan Khawaritzmi Abdallah Ahmad yang telah membimbing
penulis dalam mengerjakan penelitian ini.

DAFTAR PUSTAKA
[1] Y. R. Pandeya, D. Kim, and J. Lee, “Domestic cat sound
classification using learned features from deep neural nets,”
Appl. Sci., vol. 8, no. 10, pp. 1–17, 2018.
[2] J. Lee, T. Kim, J. Park, and J. Nam, “Raw Waveform-based
Audio Classification Using Sample-level CNN
Architectures,” no. Nips, 2017.
[3] A. Torfi, S. M. Iranmanesh, N. Nasrabadi, and J. Dawson,
“3D convolutional neural networks for cross audio-visual
matching recognition,” IEEE Access, vol. 5, pp. 22081–
22091, 2017.
[4] J. Xie, K. Hu, M. Zhu, J. Yu, and Q. Zhu, “Investigation of
Different CNN-Based Models for Improved Bird Sound
Classification,” IEEE Access, vol. 7, pp. 175353–175361,
2019.
[5] N. Singh, “Classification of Animal Sound Using
Convolutional Neural Classification of Animal Sound Using
Convolutional Neural Network Network,” 2020.
[6] S. Li, Y. Yao, J. Hu, G. Liu, X. Yao, and J. Hu, “An ensemble
stacked convolutional neural network model for
environmental event sound recognition,” Appl. Sci., vol. 8, no.
7, 2018.
[7] C. Molnár et al., “Classification of dog barks: A machine
learning approach,” Anim. Cogn., vol. 11, no. 3, pp. 389–400,
2008.
[8] A. Maccagno, A. Mastropietro, U. Mazziotta, M. Scarpiniti,
Y. C. Lee, and A. Uncini, “A CNN Approach for Audio
Classification in Construction Sites,” Smart Innov. Syst.
Technol., vol. 184, no. June, pp. 371–381, 2021.
[9] B. Liu, Y. Liu, and K. Zhou, “Image Classification for Dogs
and Cats,” IEEE Comput. Soc. Conf., vol. 1, no. 1, pp. 1–10,
2018.

327