AI 技师:声学车辆表征神经网络
声音
2022-05-20 v1 人工智能
机器学习
音频与语音处理
摘要
在一个日益依赖道路交通运输的世界中,理解车辆至关重要。我们引入 AI 技师,一种声学车辆表征深度学习系统,作为一种集成方法,利用移动设备捕获的声音来增强非专业用户对车辆及其状况的透明度和理解。我们开发并实现了用于车辆理解的新型级联架构,将其定义为处理原始音频以提取高度细粒度洞察的顺序、条件、多级网络。为展示级联架构的可行性,我们构建了一个多任务卷积神经网络,预测并级联车辆属性以增强故障检测。我们在反映超过 40 小时增强音频的合成数据集上训练和测试这些模型,并在属性(燃料类型、发动机配置、气缸数和进气类型)上达到 >92% 验证集准确率。我们的级联架构在失火故障预测上额外取得了 93.6% 验证和 86.8% 测试集准确率,相比朴素和并行基线分别展示了 16.4% / 7.8% 和 4.2% / 1.5% 的提升。我们探索了聚焦于声学特征、数据增强、特征融合和数据可靠性的实验研究。最后,我们讨论了这项工作的更广泛影响、未来方向和应用领域。
引用
@article{arxiv.2205.09667,
title = {The AI Mechanic: Acoustic Vehicle Characterization Neural Networks},
author = {Adam M. Terwilliger and Joshua E. Siegel},
journal= {arXiv preprint arXiv:2205.09667},
year = {2022}
}
备注
34 pages, 12 figures, 28 tables