用于机器声音异常检测的自监督复数网络
音频与语音处理
2023-12-22 v1 声音
信号处理
摘要
本文提出了一种基于自监督训练的深层复数网络的机器声音异常检测算法。利用相位连续性信息对于检测时序信号中的异常至关重要的事实，我们提出的算法将复数谱作为输入，并在整个过程中执行复数运算。由于相位信息的有用性可能因机器声音类型而异，我们还应用了注意力机制，根据机器类型来控制复数谱和幅度谱瓶颈特征的权重。我们训练网络执行一项自监督任务，即在多个类别中对正常输入声音的机器标识符 (id) 进行分类。在测试时，如果训练好的模型无法正确分类 id，则将输入信号检测为异常。换言之，当多类识别任务的输出交叉熵分数低于预定义阈值时，我们判定存在异常。在 MIMII 数据集上的实验表明，所提算法的曲线下面积 (AUC) 分数远高于传统的基于幅度谱的算法。
引用
@article{arxiv.2312.13615,
title = {Self-supervised Complex Network for Machine Sound Anomaly Detection},
author = {Miseul Kim and Minh Tri Ho and Hong-Goo Kang},
journal= {arXiv preprint arXiv:2312.13615},
year = {2023}
}
备注
Published in EUSIPCO 2021