摘要：婴儿哭声感知数据集是一个专为支持使用机器学习和深度学习技术进行婴儿哭声自动识别研究而设计的宝贵资源。
数据集简介
数据集概述
婴儿哭声感知数据集是一个专为支持使用机器学习和深度学习技术进行婴儿哭声自动识别研究而设计的宝贵资源。该数据集使研究人员和开发人员能够构建能够分析和解释与婴儿情绪和生理需求相对应的声学信号的智能系统。数据集包含 512 个音频样本，分为 8 个不同类别，代表婴儿可能哭泣的各种原因。该数据集来自多个公开资源的整合，专为智能婴儿监护系统、家长辅助应用和人机交互（HCI）研究而设计。
数据结构与关键特征
数据集包含 512 个音频样本，分为 8 个类别：(1) belly_pain（腹痛）：16 个文件；(2) burping（打嗝）：18 个文件；(3) cold/hot（冷/热）：7 个文件；(4) discomfort（不适）：30 个文件；(5) hungry（饥饿）：382 个文件（74.6%，最大类别）；(6) lonely（孤独）：11 个文件；(7) scared（恐惧）：20 个文件；(8) tired（疲倦）：28 个文件。类别分布特征：数据集呈现严重的类别不平衡，饥饿类别占据主导地位（74.6%），而冷/热类别最少（仅 7 个文件）。
应用价值与研究方向
科学意义：实现与不同需求和情绪状态对应的独特哭声模式建模；支持智能婴儿监护系统和家长辅助应用的开发；推进婴儿护理背景下的人机交互（HCI）研究。研究与开发机会：提取高级音频特征（如梅尔频率倒谱系数 MFCC 和频谱图）；使用 CNN、LSTM 和基于 Transformer 的架构构建分类模型；分析哭声类型之间的细微差异以提高分类准确性并向护理人员提供情境感知建议。支持婴儿哭声自动识别、情绪识别、智能育儿系统、深度学习模型训练、音频信号处理、特征工程、婴儿监护设备、家长辅助应用、人机交互研究。重要提示：由于严重的类别不平衡（饥饿占 74.6%），需要特别注意数据增强、重采样、加权损失等技术来改善模型在少数类别上的表现。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-174
文件大小：56M
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)