一种基于预训练模型的增强音频特征用于异常声音检测
声音
2025-08-22 v1 机器学习
音频与语音处理
摘要
异常声音检测（ASD）旨在识别来自机器的异常声音，并已获得学术界和工业界的广泛研究兴趣。然而，异常位置的不确定性以及机器声音中诸如噪声等大量冗余信息阻碍了ASD系统性能的提升。本文提出了一种具有均匀分布间隔的滤波器组的新型音频特征，确保对音频中所有频率范围的同等关注，从而增强了对机器声音中异常的检测。此外，基于预训练模型，本文提出了一种无参数的特征增强方法，以去除机器音频中的冗余信息。我们相信，这种无参数策略有助于在模型微调期间将通用知识从预训练任务有效迁移到ASD任务。在声学场景和事件检测与分类（DCASE）2024挑战数据集上的评估结果表明，我们提出的方法显著提升了ASD性能。
引用
@article{arxiv.2508.15334,
title = {An Enhanced Audio Feature Tailored for Anomalous Sound Detection Based on Pre-trained Models},
author = {Guirui Zhong and Qing Wang and Jun Du and Lei Wang and Mingqi Cai and Xin Fang},
journal= {arXiv preprint arXiv:2508.15334},
year = {2025}
}
备注
13 pages, 3 figures, accepted by ICANN2025