基于图像迁移学习的机器声音声学异常检测
音频与语音处理
2021-02-19 v2 计算机视觉与模式识别
机器学习
声音
摘要
在工业应用中，及早发现故障工厂机械至关重要。本文中，我们考虑通过迁移学习进行声学故障检测。与当前多数基于深度自编码器的方法相反，我们提出使用在图像分类任务上预训练的神经网络来提取特征。随后我们使用这些特征训练多种异常检测模型，并表明在噪声环境下四种不同工厂机器的录音中，这相比卷积自编码器改善了结果。此外，我们发现基于ResNet的网络提取的特征比来自AlexNet和Squeezenet的特征产生更好的结果。在我们的设定中，高斯混合模型(Gaussian Mixture Models)和单类支持向量机(One-Class Support Vector Machines)取得了最佳的异常检测性能。
引用
@article{arxiv.2006.03429,
title = {Acoustic Anomaly Detection for Machine Sounds based on Image Transfer Learning},
author = {Robert Müller and Fabian Ritz and Steffen Illium and Claudia Linnhoff-Popien},
journal= {arXiv preprint arXiv:2006.03429},
year = {2021}
}
备注
ICAART 2021, 8 pages, 2 figures, 1 table