DCASE 2022挑战赛任务2描述与讨论：应用域泛化技术的无监督机器状态监测异常声音检测
声音
2022-11-23 v2 机器学习
音频与语音处理
机器学习
摘要
我们给出 DCASE 2022 挑战赛任务2“应用域泛化技术的无监督机器状态监测异常声音检测（ASD）”的任务描述并对结果进行讨论。域偏移是 ASD 系统应用中的一个关键问题。由于域偏移会改变数据的声学特性，在源域上训练的模型在目标域上表现不佳。在 DCASE 2021 挑战赛任务2中，我们组织了处理域偏移的 ASD 任务。该任务中假设域偏移的发生是已知的。然而在实践中，每个样本的域可能并未给出，且域偏移可能隐式发生。在 2022 年任务2中，我们关注于无论域偏移如何都能检测异常的域泛化技术。具体而言，测试数据中不给出每个样本的域，且对所有域只允许一个阈值。对来自 31 个团队的 81 份提交的分析揭示了两类显著的域泛化技术：1）基于域混合的方法，获得泛化表示；2）基于域分类的方法，显式或隐式地对不同域进行分类以提升各域的检测性能。
引用
@article{arxiv.2206.05876,
title = {Description and Discussion on DCASE 2022 Challenge Task 2: Unsupervised Anomalous Sound Detection for Machine Condition Monitoring Applying Domain Generalization Techniques},
author = {Kota Dohi and Keisuke Imoto and Noboru Harada and Daisuke Niizumi and Yuma Koizumi and Tomoya Nishida and Harsh Purohit and Takashi Endo and Masaaki Yamamoto and Yohei Kawaguchi},
journal= {arXiv preprint arXiv:2206.05876},
year = {2022}
}
备注
arXiv admin note: substantial text overlap with arXiv:2106.04492