Advertisement

婴儿啼哭声音识别数据集（含训练与测试样本，超1700条）

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
本数据集包含超过1700条婴儿啼哭声记录，分为训练和测试两部分，旨在帮助开发能够识别不同啼哭原因（如饥饿、困倦等）的智能系统。 婴儿哭声识别数据集包含训练集和测试集，共有1700多条记录。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 婴儿啼哭声音识别数据集（含训练与测试样本，超1700条）
    优质
    本数据集包含超过1700条婴儿啼哭声记录，分为训练和测试两部分，旨在帮助开发能够识别不同啼哭原因（如饥饿、困倦等）的智能系统。 婴儿哭声识别数据集包含训练集和测试集，共有1700多条记录。
     
  • 婴儿哭泣声音的语义识别音频分析
    优质
    本研究探讨了利用机器学习技术对婴儿哭声进行语义分类和情感分析的方法，旨在通过音频数据自动辨识婴儿需求。 语义识别婴儿哭泣声音的音频技术研究
     
  • 口罩检测与识别数据集（含1200训练样本及400测试样本）.zip
    优质
    本数据集包含1600张图像，旨在用于口罩佩戴情况的检测和识别研究。其中1200张为训练样本，400张为测试样本，适用于开发相关的人脸识别系统或监控程序。 我们有一个口罩检测识别数据集，包含1200张训练图片（600张佩戴口罩、600张未佩戴口罩）和400张测试图片（各200张）。利用YOLO算法在该数据集中进行了两阶段的模型训练：首先冻结backbone部分进行25个epoch的预训练，然后解冻所有参数继续训练了另外25个epoch。最终，在测试集上的mAP达到了90.75%。
     
  • BabyCryDetector：采用Matlab及sklearn分类器开发的婴儿啼哭检测工具
    优质
    BabyCryDetector是一款利用Matlab和sklearn构建的高效婴儿啼哭识别工具。它通过先进的机器学习算法准确地从音频中区分出婴儿啼哭，为家长提供便捷的监控解决方案。 BabyCryDetector是我在英特尔实验室中国（2012年12月1日至2013年5月31日）实习期间完成的项目的一部分，该项目旨在检测婴儿哭声，并作为Nursery 2.0系统的一个组件在爱迪生上运行并进行演示。 Monitor_matlab是一个基于Matlab开发的婴儿啼哭检测器。实现细节可以在BabyCryDetectorReport.pdf中找到。启动此模块需要运行Monitor.m文件。 Monitor_c是另一个版本，它是用C语言编写的婴儿哭泣检测器，并且完全根据最初的matlab代码编写而成。这个版本不需要实时监测环境声音，而是从预存的语音数据文件读取信息以进行分析和处理。要启用该程序，请执行AMain.c脚本。 这两个模块均在2012年末完成开发，在那个时候机器学习领域还没有如今这样流行和发展成熟的状态下。当时我可用的婴儿哭声样本数量非常有限，因此检测器所使用的分类算法相对较为简单，主要依赖于从音频数据中提取出来的特征值进行判断和识别。例如，通过检查平均频率是否超过1000Hz来进行初步筛选。 Classifier_py是基于Python语言开发的一个更高级版本的婴儿哭泣声音分类器。在这个项目阶段，我在互联网上搜集了更多的样本，并利用Scikit-Learn库构建了多个不同的机器学习模型来进一步提升检测准确性。
     
  • 风力发电发电量预测数据集（含28201条训练样本和12087条测试样本）
    优质
    该数据集包含39个特征变量及目标输出功率，共计40288条记录，旨在用于风力发电量的预测模型开发与验证。其中，28201条为训练样本，12087条为测试样本。 风力发电量预测数据集包含训练集28,201条记录和测试集12,087条记录。该数据集根据风机ID（tracking_id）、日期时间、风速(m/s)、大气温度(°C)、轴温(°C)、叶片角度(°C)、齿轮箱温度(°C)、发动机温度(°C)、电机转矩(N-m)、发电机温度(°C)、大气压力(Pascal)、面积温度(°C)、风车车体温度(°C)、风向(°C)、电阻(ohm)、转子转矩(N-m)、状态信息以及云层高度和叶片长度(m)及风车高度(m)，来预测风力发电的发电量。
     
  • 车牌识别训练与测试数据集
    优质
    本数据集包含丰富的车辆图片及对应的车牌信息，适用于研究和开发车牌识别系统。涵盖多种车型、车牌样式及复杂环境场景，助力算法优化与性能评估。 车牌检测与识别数据集包括用于训练车牌检测模型的图块：车牌大小为136*36像素，非车牌图块同样大小；以及用于字符识别模型的数据：每个字符尺寸是20*20像素，涵盖数字（0至9）和字母（A到Z），还有中国各省市简称如京、津、晋等。
     
  • 验证码识别数据集（训练与测试）
    优质
    本数据集包含大量经过标注的验证码图像，旨在用于机器学习模型的训练和测试，以提高验证码识别系统的准确性和效率。 验证码识别的训练集和测试集已经做好了标签，可以直接用于训练。
     
  • 车牌识别训练与测试数据集.zip
    优质
    该资料包包含用于训练和评估车牌识别模型的数据集，内含大量车牌图片及标注信息，适用于机器学习和深度学习研究。 车牌检测与识别数据集包括以下内容： 1. 车牌检测模型训练数据：包含车牌及非车牌图块，尺寸为136*36。 2. 字符识别模型训练数据：车牌字符大小是20*20，涵盖数字（0~9）、字母（A~Z）以及省市简称如下： - 京、津 - 晋、冀、蒙 - 辽、吉、黑 - 沪、苏、浙 - 皖、闽、赣 - 鲁、豫、鄂 - 湘、粤、桂 - 琼 - 川、贵、云 - 藏 - 陕、甘 - 青、宁 - 新 - 渝
     
  • 验证码数据集（含20000训练样本及10000测试样本）
    优质
    本数据集包含30000个验证码图像样本，旨在提升模型识别能力。其中，20000张图片用于训练，10000张作为测试集以评估模型性能。 验证码数据集包含20000个样本用于训练验证码识别模型，并配有10000个测试集合的数据。所有训练集的标签存储在train文件夹中的label.csv文件里。图片尺寸为105*35，使用时可以调整至120*40以适应不同的需求。这些数据可用于人工智能图像验证码识别系统的训练和学习过程。
     
  • 手写数字识别数据训练与测试集
    优质
    本项目专注于手写数字识别的数据处理，包括构建高质量的训练及测试数据集，以优化机器学习模型的性能和准确性。 训练集包含数字0到9的图片，每个数字有10张图片，总共是100张图片。测试集则包括10张图片。