CoopASD：考虑隐私问题的协作式机器异常声音检测
声音
2024-08-28 v1 人工智能
分布式、并行与集群计算
音频与语音处理
摘要
机器异常声音检测（ASD）已成为工业物联网（IIoT）中最有前景的应用之一，因为它能有效降低故障风险并提高生产效率。以往的研究主要在集中式设置下研究机器ASD任务。然而，由于机器数据分布在各个工厂，且出于隐私考虑不能明确共享，因此在分散式设置下开发ASD系统在实践中至关重要。为了使这些工厂能够在保护隐私的同时协作开发可扩展的ASD模型，我们提出了一种名为CoopASD的新框架，其中每个工厂在其本地数据集上训练ASD模型，中央服务器定期聚合这些本地模型。我们采用预训练模型作为ASD模型的主干以提高其鲁棒性，并开发了专门技术以在完全非独立同分布和域偏移设置下稳定模型。与在集中式设置下训练的最先进模型相比，CoopASD取得了具有竞争力的结果，性能仅下降0.08%。我们还进行了广泛的消融研究，以证明CoopASD的有效性。
引用
@article{arxiv.2408.14753,
title = {CoopASD: Cooperative Machine Anomalous Sound Detection with Privacy Concerns},
author = {Anbai Jiang and Yuchen Shi and Pingyi Fan and Wei-Qiang Zhang and Jia Liu},
journal= {arXiv preprint arXiv:2408.14753},
year = {2024}
}
备注
Accepted by GLOBECOM 2024