使用蓝图可分离卷积与时频循环神经网络在噪声环境中进行婴儿哭声检测
声音
2025-08-28 v1
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稳健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，并利用时频循环神经网络进行自适应去噪。该方法的整体框架被构建为多尺度卷积循环神经网络，通过高效的空间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。采用多个公开数据集来创建一个多样且具有代表性的数据集，并使用环境破坏技术来生成真实场景中遇到的噪声样本。结果表明，我们的方法在各种信噪比条件下的准确率、F1分数和复杂度方面均优于许多最先进的方法。代码位于 https://github.com/fhfjsd1/ICD_MMSP。
引用
@article{arxiv.2508.19308,
title = {Infant Cry Detection In Noisy Environment Using Blueprint Separable Convolutions and Time-Frequency Recurrent Neural Network},
author = {Haolin Yu and Yanxiong Li},
journal= {arXiv preprint arXiv:2508.19308},
year = {2025}
}