MIMII DG：面向域泛化任务的工业机器故障调查与检测声音数据集
声音
2022-11-23 v2 人工智能
机器学习
音频与语音处理
摘要
我们提出一个机器声音数据集，用于基准测试异常声音检测（ASD）的域泛化技术。域偏移是数据分布上的差异，会降低检测性能，处理域偏移是 ASD 系统应用中的主要问题。当前可用的 ASD 任务数据集假设域偏移的发生是已知的，而在实际中它们可能难以检测。为处理此类域偏移，应研究无论域如何都表现良好的域泛化技术。本文中，我们提出首个面向域泛化技术的 ASD 数据集，称为 MIMII DG。该数据集包含五种机器类型，每种机器类型有三种域偏移场景。该数据集专用于域泛化任务，具有如下特征：导致域偏移的参数具有多个不同取值，并引入了难以检测的域偏移（如背景噪声中的偏移）。使用两种基线系统的实验结果表明，该数据集能复现域偏移场景，并可用于域泛化技术的基准测试。
引用
@article{arxiv.2205.13879,
title = {MIMII DG: Sound Dataset for Malfunctioning Industrial Machine Investigation and Inspection for Domain Generalization Task},
author = {Kota Dohi and Tomoya Nishida and Harsh Purohit and Ryo Tanabe and Takashi Endo and Masaaki Yamamoto and Yuki Nikaido and Yohei Kawaguchi},
journal= {arXiv preprint arXiv:2205.13879},
year = {2022}
}