Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2508.19308

帮助 | 高级搜索

计算机科学 > 声音

arXiv:2508.19308 (cs)
[提交于 2025年8月26日 ]

标题: 婴儿在嘈杂环境中使用蓝图可分离卷积和时频循环神经网络的哭声检测

标题: Infant Cry Detection In Noisy Environment Using Blueprint Separable Convolutions and Time-Frequency Recurrent Neural Network

Authors:Haolin Yu, Yanxiong Li
摘要: 婴儿哭声检测是婴儿护理系统的重要组成部分。 在本文中,我们提出了一种轻量且鲁棒的婴儿哭声检测方法。 该方法利用蓝图可分离卷积来降低计算复杂度,并使用时间-频率循环神经网络进行自适应去噪。 该方法的整体框架结构是一个多尺度卷积循环神经网络,通过高效的空域注意力机制和对比感知通道注意力模块进行增强,并从对数梅尔频谱图的输入特征中获取局部和全局信息。 采用多个公共数据集来创建一个多样且具有代表性的数据集,并使用环境损坏技术生成在现实场景中遇到的噪声样本。 结果表明,在各种信噪比条件下,我们的方法在准确率、F1分数和复杂度方面均超过了多种最先进的方法。 代码位于 https://github.com/fhfjsd1/ICD_MMSP。
摘要: Infant cry detection is a crucial component of baby care system. In this paper, we propose a lightweight and robust method for infant cry detection. The method leverages blueprint separable convolutions to reduce computational complexity, and a time-frequency recurrent neural network for adaptive denoising. The overall framework of the method is structured as a multi-scale convolutional recurrent neural network, which is enhanced by efficient spatial attention mechanism and contrast-aware channel attention module, and acquire local and global information from the input feature of log Mel-spectrogram. Multiple public datasets are adopted to create a diverse and representative dataset, and environmental corruption techniques are used to generate the noisy samples encountered in real-world scenarios. Results show that our method exceeds many state-of-the-art methods in accuracy, F1-score, and complexity under various signal-to-noise ratio conditions. The code is at https://github.com/fhfjsd1/ICD_MMSP.
主题: 声音 (cs.SD)
引用方式: arXiv:2508.19308 [cs.SD]
  (或者 arXiv:2508.19308v1 [cs.SD] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.19308
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Haolin Yu [查看电子邮件]
[v1] 星期二, 2025 年 8 月 26 日 08:07:36 UTC (737 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • 其他格式
查看许可
当前浏览上下文:
cs.SD
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号