面向异音检测的联合生成-对比表示学习方法
音频与语音处理
2023-05-23 v1 声音
摘要
本文提出一种用于异音检测（ASD）的联合生成与对比表示学习方法（GeCo）。GeCo利用配备自注意力机制的预测式自编码器（PAE）作为生成模型进行帧级预测。PAE的输出与原始正常样本一起，在一个多任务框架中用于有监督的对比表示学习。除类间交叉熵损失外，还使用对比损失来分离每个类内的PAE输出与原始样本。得益于PAE模型的自注意力机制，GeCo旨在更好地捕获帧间的上下文信息。此外，与现有方法相比，GeCo将生成学习与对比学习相结合，以期产生更有效且信息更丰富的表示。在DCASE2020 Task2开发数据集上进行了大量实验，结果表明GeCo优于最先进的生成与判别方法。
引用
@article{arxiv.2305.12111,
title = {Joint Generative-Contrastive Representation Learning for Anomalous Sound Detection},
author = {Xiao-Min Zeng and Yan Song and Zhu Zhuo and Yu Zhou and Yu-Hong Li and Hui Xue and Li-Rong Dai and Ian McLoughlin},
journal= {arXiv preprint arXiv:2305.12111},
year = {2023}
}
备注
Accepted by ICASSP2023