Aug, 2024

CoopASD：考虑隐私问题的合作机器异常声音检测

HTML
PDF
TL;DR本文针对工业互联网中机器异常声音检测（ASD）在分散设置下的研究空白，提出了一种新颖的合作框架CoopASD。该框架允许各工厂在保留隐私的情况下，基于本地数据集共同训练ASD模型，最终实现了与集中设置下的顶尖模型相媲美的性能，展现了仅0.08%的微弱性能下降。
发现论文，激发创造
  • ToyADMOS：一份用于异常声音检测的小型机器操作声音数据集

    本文介绍了一个新的数据集，名为“ToyADMOS”，用于机器操作声音（ADMOS）的异常检测。该数据集包括用于机器状态检查、几何固定任务的机器故障诊断和移动任务的机器故障诊断的三个子数据集，每个子数据集包括超过180个小时的正常机器操作声音，以及超过4000个异常声音样本。

    Aug, 2019

  • DCASE2020挑战赛任务2: 无监督机器状态监测异声检测的描述与讨论

    本文介绍了DCASE 2020 Challenge任务2的任务描述和结果，并讨论了无监督检测机器异常声音方面的研究。通过介绍了大规模数据集、评价指标和基线系统来设计此挑战赛，共收到了40个团队的117份提交，基于该挑战的结果分析，本文进一步讨论和分析了两种新方法和存在的问题。

    Jun, 2020

  • MIMII DG：适用于故障工业机器调查和检查的声音数据集，用于域泛化任务

    本文介绍了一个机器声音数据集，旨在评估领域泛化技术用于异常声音检测。该数据集名为MIMII DG，包含五种机器类型和三个领域移位情境，并根据参数和噪声的不同值引入领域移位，试验结果表明这个数据集可以复现领域移位情境，是评估领域泛化技术的有用工具。

    May, 2022

  • DCASE 2023挑战赛任务2的描述与讨论：针对机器状态监测的一次性无监督异常声音检测

    本文介绍了DCASE 2023 Challenge Task 2的任务描述：“适用于机器状态监测的无监督异声检测”以及采用了仅有一些正常样本的新机器的第一次尝试该问题的解决方案。

    May, 2023

  • 用于异常声音检测的自监督学习

    使用自我监督学习方法中的特征交换（FeatEx）提出了一种简单而有效的异常声音检测系统，其性能在DCASE2023 ASD数据集上明显优于其他已发表结果。

    Dec, 2023

  • 分布式协作异常声音检测通过嵌入共享

    开发了一种机器声音监测系统，提出了一种检测异常声音的方法，探索了多个客户端在保持彼此原始数据私密的同时协同学习异常声音检测模型的方法。

    Mar, 2024

  • DCASE 2024挑战任务2的描述和讨论：面向机器状态监测的一次性无监督异常声音检测

    2024年DCASE挑战任务2的任务描述：机器条件监控中首次无监督异常声音检测（ASD），以领域泛化为特点的一次性问题，旨在实现对新型机器的快速部署，无需机器特定的超参数调整。

    Jun, 2024

  • 基于活动指导的工业异常声音检测对抗干扰

    本研究解决了工业声音数据中因背景噪声和邻近机器干扰而导致的异常检测问题。提出了SSAD框架，以机器活动信息为基础进行源分离和异常检测，能够有效识别与干扰相似的声音。实验表明，SSAD在仅获取受损信号和活动信息的情况下，达到与完整干净信号相媲美的准确性，显示了在工业声音异常检测中的实际有效性。

    Sep, 2024

  • 深度通用表示用于领域泛化的异常声音检测

    本研究解决了当前异常声音检测系统在噪声干扰、领域迁移和有限训练数据下的鲁棒性问题。提出的GenRep方法利用了强大的预训练特征提取器生成通用特征表示，以kNN技术进行领域泛化，无需微调，并在DCASE2023T2评估集上取得了73.79%的官方得分，表现出在有限数据情况下的强大鲁棒性。

    Sep, 2024

  • MIMII-Gen：用于异常声音检测系统模拟评估的生成建模方法

    本研究针对机器声音异样检测系统开发中的录音不足和异常样本稀缺的问题，提出了一种新颖的潜在扩散模型生成多样化异常声音的方法。通过利用Flan-T5模型编码音频文件元数据生成条件音频，我们的方法在生成的声音质量上超越现有模型，显示出增强异常检测系统评估和稳健性的潜力。

    Sep, 2024