面向机器异常声检测的多尺度扫描网络
声音
2025-08-26 v1
摘要
机器声音在频域和时域均表现出一致且重复的模式，且在不同尺度下呈现显著差异。例如，旋转机器常在短时间间隔内显示周期性特征，而往复机器则表现出跨越时域的更宽广模式。虽然先前研究已利用这些模式以提升异常声检测（Anomalous Sound Detection, ASD）性能，但尺度间模式的变化仍未得到充分探索。为此，我们引入了多尺度扫描网络（Multi-scale Scanning Network, MSN），以捕获多尺度模式。MSN 采用不同尺寸的核盒扫描音频频谱图，并与共享权重的轻量级卷积网络集成，以实现高效且可扩展的特征表示。在 DCASE 2020 与 DCASE 2023 Task 2 数据集上的实验评估表明，MSN 实现了最先进的性能，凸显其在推动 ASD 系统方面的有效性。
引用
@article{arxiv.2508.17194,
title = {Multi-scale Scanning Network for Machine Anomalous Sound Detection},
author = {Yucong Zhang and Juan Liu and Ming Li},
journal= {arXiv preprint arXiv:2508.17194},
year = {2025}
}
备注
Accepted by ICONIP 2025