异常声音检测中特征表征的分析

在这项工作中，我们深入评估了预训练神经网络作为异常声音检测特征提取器的效能。在此过程中，我们利用这些神经网络中所含知识提取语义丰富的特征（表征），作为高斯混合模型的输入，该模型用作密度估计器以建模正常状态。我们比较了在来自不同领域数据上训练的特徵提取器，即：图像、环境声音与音乐。我们的方法在工厂机械（如阀门、泵、滑块与风扇）的录音上评估。所有被评估的表征均优于自编码器基线，其中基于音乐的表征在大多数情况下取得最佳性能。这些结果挑战了特征提取器领域与下游任务领域紧密匹配可带来更好下游任务性能的普遍假设。