45、婴儿哭声分类研究：特征与模型的探索

婴儿哭声分类研究：特征与模型的探索

婴儿哭声是其表达需求和情感状态的重要方式，对婴儿哭声进行分析和分类，有助于早期发现婴儿的健康问题，如疾病、不适等。本文将介绍婴儿哭声分类的相关研究，包括使用的模型、特征以及实验结果。

1. 分类模型与设置

• CNN模型 ：使用学习率为 0.001，批量大小为 128。网络使用 Python 库 Keras v.2.24 实现，后端采用 TensorFlow - GPU v.1.14.0。其架构如下表所示：
  | 输出大小 | 描述 |
  | — | — |
  | (20,130,1) | CQHC |
  | (20,130,16) | 卷积层，16 个滤波器，BN，relu |
  | (10,65,16) | 最大池化，(2,2)，丢弃率 0.25 |
  | (10,65,32) | 卷积层，32 个滤波器，BN，relu |
  | (5,32,32) | 最大池化，(2,2)，丢弃率 0.25 |
  | (5,32,64) | 卷积层，64 个滤波器，BN，relu |
  | (2,16,64) | 最大池化，(2,2)，丢弃率 0.25 |
  | (2,16,16) | 卷积层，16 个滤波器，BN，relu |
  | (2,16,16) | 丢弃率 0.25 |
  | (2,16,16) | 卷积层，16 个滤波器，BN，relu |
  | (2,16,16) | 丢弃率 0.25，随后展平 |
  | 128 | 全连接层，relu |
  | 64 | 全连接层，relu |