机器音频的无监督异常检测与定位：一种基于 GAN 的方法
声音
2023-04-03 v1 机器学习
音频与语音处理
摘要
机器异常的自动检测对机器学习而言仍具挑战。我们认为生成对抗网络（GAN）的能力契合机器音频异常检测的需求，然而先前工作极少对此进行探究。本文中，我们提出 AEGAN-AD，一种完全无监督的方法，其中生成器（亦为自编码器）被训练以重建输入谱图。指出重建的去噪本质会削弱其能力。因此，判别器被重新设计以在训练阶段与检测阶段辅助生成器。AEGAN-AD 在 DCASE 2022 挑战赛 TASK 2 数据集上的性能展示了针对五种机器类型的 SOTA 结果。我们还研究了一种新颖的异常定位方法。源代码见：www.github.com/jianganbai/AEGAN-AD
引用
@article{arxiv.2303.17949,
title = {Unsupervised Anomaly Detection and Localization of Machine Audio: A GAN-based Approach},
author = {Anbai Jiang and Wei-Qiang Zhang and Yufeng Deng and Pingyi Fan and Jia Liu},
journal= {arXiv preprint arXiv:2303.17949},
year = {2023}
}
备注
Accepted by ICASSP 2023