基于隐空间正则化高斯混合生成对抗网络的声学异常检测
音频与语音处理
2020-02-06 v2 计算机视觉与模式识别
机器学习
声音
摘要
声学异常检测旨在将异常声学信号与正常信号区分开来。它面临类不平衡问题以及异常样本匮乏的困难。此外，为训练目的收集各类异常或未知样本是不切实际且耗时的。本文在半监督学习框架下提出了一种新颖的高斯混合生成对抗网络（GMGAN），其中训练数据的底层结构不仅在谱图重建空间中被捕获，而且能在隐表示空间中以判别方式被进一步约束。实验表明，我们的模型相较于先前方法具有明显优势，并在DCASE数据集上取得了最先进（SOTA）的结果。
引用
@article{arxiv.2002.01107,
title = {Acoustic anomaly detection via latent regularized gaussian mixture generative adversarial networks},
author = {Chengwei Chen and Pan Chen and Lingyu Yang and Jinyuan Mo and Haichuan Song and Yuan Xie and Lizhuang Ma},
journal= {arXiv preprint arXiv:2002.01107},
year = {2020}
}