基于插值深度神经网络的异常声音检测
音频与语音处理
2020-05-20 v1 机器学习
声音
摘要
随着劳动力减少,用于工业设备维护的省力型自动异常声音检测技术需求增长。传统方法基于自动编码器的重构误差检测异常。然而,当目标机器声音为非平稳时,由于难以预测边缘帧,重构误差往往偏大且与异常无关,且其波动因之加剧。为解决该问题,我们提出一种异常检测方法:模型以频谱图中去除中心帧后的多帧作为输入,并预测被去除帧的插值作为输出。所提方法不预测边缘帧,使重构误差与异常保持一致。实验结果表明,基于标准 AUC 分数,所提方法实现了 27% 的提升,尤其针对非平稳机械声音。
引用
@article{arxiv.2005.09234,
title = {Anomalous sound detection based on interpolation deep neural network},
author = {Kaori Suefusa and Tomoya Nishida and Harsh Purohit and Ryo Tanabe and Takashi Endo and Yohei Kawaguchi},
journal= {arXiv preprint arXiv:2005.09234},
year = {2020}
}
备注
5 pages, 8 figures, published in ICASSP 2020