基于机器ID对比学习预训练的异常声音检测音频表征方法
声音
2023-04-11 v2 机器学习
音频与语音处理
摘要
现有的异常声音检测对比学习方法通过利用样本增强（如时间或频率掩码）之间的对比来细化每个音频样本的音频表征。然而，由于缺少机器声音的物理特性，它们可能受到增强数据的偏置，从而限制检测性能。本文使用对比学习为每个机器ID而非每个音频样本细化音频表征。所提出的两阶段方法利用对比学习，通过引入机器ID来预训练音频表征模型，并使用自监督ID分类器微调所学模型，同时增强来自同一ID的音频特征之间的关系。实验表明，在DCASE 2020 Challenge Task2数据集上，我们的方法在整体异常检测性能和稳定性方面优于使用对比学习或自监督分类的最先进方法。
引用
@article{arxiv.2304.03588,
title = {Anomalous Sound Detection using Audio Representation with Machine ID based Contrastive Learning Pretraining},
author = {Jian Guan and Feiyang Xiao and Youde Liu and Qiaoxi Zhu and Wenwu Wang},
journal= {arXiv preprint arXiv:2304.03588},
year = {2023}
}
备注
To appear in IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP 2023)