VIP20

本课程属于：014-TinyML音频分类与声学事件检测 嵌入式边缘AI与TinyML · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

1. TinyML音频分类入门：声学事件检测任务设计

共计 30 章节

点击此处阅读海量试读课程：100+行业、1000+细分领域

学习目标 · 课程结构 · 适用人群

课程导入学习目标

什么是TinyML · 边缘计算与云计算的对比 · TinyML在音频领域的应用价值

TinyML什么是

声音的物理特性 · 采样率 · 位深

音频基础声音的物理特性

声学事件检测（AED）基础

定义 · 常见任务（如枪声 · 婴儿哭声

AED声学事件检测

音频特征提取

时域特征（过零率 · 能量） · 频域特征（MFCC

音频特征提取时域特征

MFCC计算流程 · 参数选择（帧长 · 帧移

MFCC计算流程

数据集准备

公开音频数据集（ESC-50 · UrbanSound8K · Speech Commands）

数据集准备ESC-50

数据预处理流水线

音频加载 · 重采样 · 归一化

数据预处理流水线音频加载

适用于TinyML的轻量级神经网络（… · CNN · TCN

模型选择TinyML

模型架构设计

输入形状设计 · 卷积层/池化层配置 · 全连接层

模型架构设计输入形状设计

学习率调度 · 正则化（Dropout · BatchNorm）

训练技巧学习率调度

模型压缩与量化

剪枝 · 权重量化（INT8） · 知识蒸馏

模型压缩量化

TinyML框架与工具

TensorFlow Lite Mi… · Edge Impulse · Arduino TensorFlow…

Edge Impulse实战

创建项目 · 上传数据 · 设计impulse（预处理+模型）

TensorFlow Lite Micro实战

将Keras模型转换为TFLite · 量化 · 生成C++数组

硬件平台介绍

Arduino Nano 33 BL… · ESP32 · STM32F746

硬件平台介绍Arduino

端到端案例

婴儿哭声检测器——从数据采集 · 特征提取 · 模型训练到部署的完整流程

端到端案例婴儿哭声检测器

端到端案例

环境声音分类（如室内/室外）——使用… · 实现多分类AED

端到端案例环境声音分类

实时推理优化

内存管理 · 推理速度优化 · 低功耗设计

实时推理优化内存管理

模型评估与调试

混淆矩阵 · 准确率/召回率/F1 · 在设备上测试

模型评估调试

常见问题与解决方案

音频特征提取错误 · 模型不收敛 · 内存不足

常见问题解决方案

数据增强实战

使用Python库（librosa · audiomentations）实现… · 时间拉伸

数据增强实战Python

多标签分类与事件检测

如何设计多标签输出 · 后处理（阈值 · 非极大值抑制）

多标签分类事件检测

迁移学习在TinyML音频中的应用

使用预训练模型（如YAMNet）提取… · 微调轻量分类器

TinyML迁移学习

模型部署到Arduino

编写C++推理代码 · 处理传感器数据 · 串口输出结果

Arduino模型部署到

模型部署到ESP32

使用ESP-IDF或Arduino环… · WiFi/蓝牙传输结果 · 电池供电考虑

ESP32模型部署到

性能基准测试

测量推理时间 · 内存占用 · 功耗

性能基准测试测量推理时间

综合项目设计

设计一个完整的声学事件检测系统（如智… · 包括需求分析 · 方案设计

综合项目设计设计一个完整的声…

课程总结与进阶路径

回顾核心知识点 · 推荐学习资源（ · 书籍

课程总结进阶路径

结课考核与实战挑战

完成一个自定义声学事件检测任务 · 提交报告与演示 · 评估标准与反馈

结课考核实战挑战