Analýza zvukových záznamů dětského pláče pomocí metod strojového učení
| Název práce: | Analýza zvukových záznamů dětského pláče pomocí metod strojového učení |
|---|---|
| Autor(ka) práce: | Pardubský, Vojtěch |
| Typ práce: | Bakalářská práce |
| Vedoucí práce: | Pecinovský, Rudolf |
| Oponenti práce: | Kofránek, Jiří |
| Jazyk práce: | Česky |
| Abstrakt: | Tato bakalářská práce se zabývá analýzou zvukových záznamů dětského pláče pomocí metod strojového učení a návrhem webové aplikace pro jeho automatickou klasifikaci. Cílem práce je ověřit, do jaké míry lze na základě akustických rysů zvukového signálu rozlišit vybrané fyziologické stavy kojence a tyto poznatky využít při implementaci funkčního softwarového prototypu. Teoretická část práce shrnuje medicínské, biologické a akustické souvislosti dětského pláče, principy digitálního zpracování zvukového signálu a současné přístupy ke klasifikaci pláče pomocí strojového učení. Součástí práce je také přehled dostupných datových sad a existujících aplikací zaměřených na interpretaci dětského pláče. Experimentální část práce využívá veřejně dostupnou datovou sadu Donate-a-Cry, která obsahuje zvukové záznamy dětského pláče rozdělené do pěti tříd. Z nahrávek byly extrahovány akustické příznaky založené zejména na Mel-frekvenčních kepstrálních koeficientech a následně byly porovnány různé klasifikační algoritmy a strategie pro řešení třídní nevyváženosti. Celkem bylo vyhodnoceno 27 experimentálních konfigurací zahrnujících logistickou regresi, Support Vector Machine a Random Forest. Na základě dosažených výsledků byl pro implementaci zvolen model Random Forest se základní sadou příznaků a algoritmickým vyvážením tříd, který dosáhl přesnosti 86,96 %, hodnoty MCC 0,432 a makro F1-skóre 0,469. Výsledky ukazují, že automatická klasifikace dětského pláče na základě akustických rysů je možná, avšak její spolehlivost je významně ovlivněna omezeným rozsahem datové sady, třídní nevyvážeností a subjektivitou anotací. Výstupem práce je webová aplikace umožňující klasifikaci dětského pláče ze zvukového souboru nebo přímého záznamu z mikrofonu. Aplikace představuje experimentální prototyp a není určena pro lékařskou diagnostiku. Přínosem práce je transparentní návrh a ověření klasifikačního postupu založeného na veřejně dostupných datech a jeho praktická implementace do webového prostředí. |
| Klíčová slova: | Donate-a-Cry; webová aplikace; dětský pláč; klasifikace zvuku; strojové učení; MFCC; Random Forest |
| Název práce: | Analysis of Infant Cry Audio Recordings Using Machine Learning Methods |
|---|---|
| Autor(ka) práce: | Pardubský, Vojtěch |
| Typ práce: | Bachelor thesis |
| Vedoucí práce: | Pecinovský, Rudolf |
| Oponenti práce: | Kofránek, Jiří |
| Jazyk práce: | Česky |
| Abstrakt: | This bachelor thesis focuses on the analysis of audio recordings of infant crying using machine learning methods and on the design of a web application for its automatic classification. The aim of the thesis is to verify the extent to which selected physiological states of an infant can be distinguished based on the acoustic features of an audio signal and to use these findings in the implementation of a functional software prototype. The theoretical part of the thesis summarizes the medical, biological, and acoustic context of infant crying, the principles of digital audio signal processing, and current approaches to infant cry classification using machine learning. The thesis also includes an overview of available datasets and existing applications focused on the interpretation of infant crying. The experimental part of the thesis uses the publicly available Donate-a-Cry dataset, which contains audio recordings of infant crying divided into five classes. Acoustic features based primarily on Mel-frequency cepstral coefficients were extracted from the recordings, and different classification algorithms and strategies for addressing class imbalance were subsequently compared. In total, 27 experimental configurations were evaluated, including logistic regression, Support Vector Machine, and Random Forest. Based on the achieved results, a Random Forest model with a basic feature set and algorithm-level balancing was selected for implementation. This model achieved an accuracy of 86.96%, an MCC value of 0.432 and a macro F1-score of 0.469. The results indicate that automatic classification of infant crying based on acoustic features is possible; however, its reliability is significantly affected by the limited size of the dataset, class imbalance and the subjectivity of annotations. The output of the thesis is a web application that enables the classification of infant crying from an audio file or a direct microphone recording. The application represents an experimental prototype and is not intended for medical diagnosis. The contribution of the thesis lies in the transparent design and evaluation of a classification procedure based on publicly available data and in its practical implementation in a web environment. |
| Klíčová slova: | infant crying; Random Forest; machine learning; MFCC; Donate-a-Cry; audio classification; web application |
Informace o studiu
| Studijní program / obor: | Aplikovaná informatika |
|---|---|
| Typ studijního programu: | Bakalářský studijní program |
| Přidělovaná hodnost: | Bc. |
| Instituce přidělující hodnost: | Vysoká škola ekonomická v Praze |
| Fakulta: | Fakulta informatiky a statistiky |
| Katedra: | Katedra informačních technologií |
Informace o odevzdání a obhajobě
| Datum zadání práce: | 12. 12. 2025 |
|---|---|
| Datum podání práce: | 10. 5. 2026 |
| Datum obhajoby: | 16. 6. 2026 |
| Identifikátor v systému InSIS: | https://insis.vse.cz/zp/94912/podrobnosti |