面向异常声音检测的自监督学习
音频与语音处理
2023-12-18 v1 机器学习
声音
摘要
最先进的异常声音检测（ASD）系统通常通过使用辅助分类任务来学习嵌入空间进行训练。这样做使系统能够学习对噪声具有鲁棒性且忽略非目标声音事件的嵌入，但需要手动标注的元信息作为类标签。然而，分类任务变得越简单，嵌入的信息量就越少，最终的 ASD 性能也就越差。解决此问题的一种方案是利用自监督学习（SSL）。在这项工作中，提出了特征交换（FeatEx），一种简单而有效的用于 ASD 的 SSL 方法。此外，将 FeatEx 与现有的 SSL 方法进行了比较和结合。作为主要成果，在 DCASE2023 ASD 数据集上取得了新的最先进性能，以巨大优势超越了该数据集上所有其他已发表的结果。
引用
@article{arxiv.2312.09578,
title = {Self-Supervised Learning for Anomalous Sound Detection},
author = {Kevin Wilkinghoff},
journal= {arXiv preprint arXiv:2312.09578},
year = {2023}
}
备注
Accepted for presentation at IEEE ICASSP 2024