婴儿哭声检测算法基准测试：2026 版

我们在 5 种真实噪声条件下评估了 8 种主流的婴儿哭声检测方法。本文分享我们的方法和发现。

测试设置

测试集 — 12,000+ 音频片段（6,000 哭声，6,000 非哭声）

噪声条件 — 安静、电视背景、白噪声、对话、街道噪声

指标 — 准确率、精确率、召回率、F1 分数、误报率

结果摘要

关键发现

1. 轻量级 CNN 配合 Mel 频谱图输入实现了最佳的准确率/模型大小比

2. 数据增强（噪声混合、速度扰动）将泛化能力提升了 3-5%

3. 量化（FP32 → INT8）将模型大小减少 4 倍，准确率损失 < 1%

4. 电视背景噪声是所有方法中最具挑战性的条件

建议

对于嵌入式设备（ARM Cortex-A 级别），我们推荐 MFCC + 轻量级 CNN + INT8 量化。这可以在 < 1.5MB 模型大小下提供 > 95% 的准确率。