AdaProj：用于异常声音检测的自适应缩放角裕度子空间投影与辅助分类任务
音频与语音处理
2024-08-23 v3 声音
摘要
半监督异常声音检测的当前最优方法是，首先通过基于元信息或自监督学习的辅助分类任务学习一个嵌入空间，然后估计正常数据的分布。在这项工作中，我们提出了 AdaProj，一种用于训练嵌入模型的新型损失函数。与常用的角裕度损失不同，后者将每个类别的数据尽可能靠近其对应的类中心进行投影，而 AdaProj 学习将数据投影到特定类别的子空间上，同时仍然确保类别之间的角裕度。通过这样做，属于正常数据的嵌入的最终分布不需要像其他损失函数那样具有限制性，从而允许对数据进行更细致的观察。在 DCASE2022 和 DCASE2023 异常声音检测数据集上进行的实验表明，使用 AdaProj 学习嵌入空间显著优于其他常用的损失函数。
引用
@article{arxiv.2403.14179,
title = {AdaProj: Adaptively Scaled Angular Margin Subspace Projections for Anomalous Sound Detection with Auxiliary Classification Tasks},
author = {Kevin Wilkinghoff},
journal= {arXiv preprint arXiv:2403.14179},
year = {2024}
}
备注
Accepted for presentation at DCASE 2024