[論文レビュー] Anomalous Sound Detection as a Simple Binary Classification Problem with Careful Selection of Proxy Outlier Examples

Paul Primus, Verena Haunschmid+2 more|arXiv (Cornell University)|Nov 5, 2020

Anomaly Detection Techniques and Applications被引用数 11

ひとこと要約

本論文では、ターゲットのノーマル音声の記錿条件とコンテンツ類似度を満たす、関連のない音声データ（代理の外れ値）を慎重に選択することで、教師あり二値分類問題として非教師あり異常音声検出を定式化する手法を提案する。この手法は、最小限のデータ拡張やモデルの複雑さで、DCASE2020 Challengeで3位という最先端の性能を達成した。

ABSTRACT

Unsupervised anomalous sound detection is concerned with identifying sounds that deviate from what is defined as 'normal', without explicitly specifying the types of anomalies. A significant obstacle is the diversity and rareness of outliers, which typically prevent us from collecting a representative set of anomalous sounds. As a consequence, most anomaly detection methods use unsupervised rather than supervised machine learning methods. Nevertheless, we will show that anomalous sound detection can be effectively framed as a supervised classification problem if the set of anomalous samples is carefully substituted with what we call proxy outliers. Candidates for proxy outliers are available in abundance as they potentially include all recordings that are neither normal nor abnormal sounds. We experiment with the machine condition monitoring data set of the 2020's DCASE Challenge and find proxy outliers with matching recording conditions and high similarity to the target sounds particularly informative. If no data with similar sounds and matching recording conditions is available, data sets with a larger diversity in these two dimensions are preferable. Our models based on supervised training with proxy outliers achieved rank three in Task 2 of the DCASE2020 Challenge.

研究の動機と目的

• 実際の異常音声の収集が非現実的である、機械状態監視における希少かつ多様な異常を扱うため。
• 非教師あり異常音声検出が、効果的に教師あり学習問題として再定式化可能かどうかを調査するため。
• 記録条件およびコンテンツ類似度に基づく代理外れ値の選択が、検出性能に与える影響を評価するため。
• 再構成誤差および正規化フローに基づく非教師ありベースラインと比較して、提案手法の代理外れ値手法の有効性を検証するため。

提案手法

• 本手法は、ターゲット機械の記録条件と音声特性を満たす、関連のない音声データから抽出した代理外れ値（POs）を、実際の異常データに置き換える。
• ResNet分類器を訓練して、ノーマル機械音声と選択された代理外れ値を区別させ、標準的な二値分類タスクとして問題を扱う。
• 代理外れ値セットは、AudioSet、TAU-UAS、その他の機械インスタンスなど多様なソースから構築され、ターゲット音声との類似性と記録環境の一致に重点を置く。
• 性能評価には受信器操作特性曲線下の面積（AUC）が用いられ、異常サンプルが正常サンプルよりも高くランク付けされる確率を測定する。
• データ拡張、転移学習、アンサンブル、複雑な後処理を回避することで、代理外れ値選択の影響を明確に分離する。

実験結果

リサーチクエスチョン

• RQ1 実際の異常ではなく、代理外れ値を用いて異常音声検出を教師あり二値分類問題として効果的に定式化できるか？
• RQ2 代理外れ値がターゲット音声および記録条件とどれほど類似しているかが、検出性能に与える影響は何か？
• RQ3 代理外れ値の多様性およびソースデータが、異常検出器の一般化能力に与える影響は何か？
• RQ4 代理外れ値の数が、非教師ありベースラインと比較して性能に与える影響は何か？

主な発見

• 記録条件と音声類似度を満たす代理外れ値を用いることで、AUCスコアが顕著に向上し、DCASE2020 Challengeで3位を達成した。
• ファン、ポンプ、おもちゃコンベア機械において、128個の代理外れ値ですら、オートエンコーダーや正規化フローに基づく非教師ありベースラインを上回った。
• 記録条件が一致しない代理外れ値セットでは結果が混合した：ファン、ポンプ、おもちゃコンベアでは改善が見られたが、スライダ、おもちゃカー、バルブでは性能が低下した。
• コンテンツの多様性が高い代理外れ値は、性能向上と正の相関関係にあり、特に大規模データセット（例：AudioSet）を用いることで顕著に顕著になった。
• 代理外れ値で訓練された分類器は、単なる統計的差異に依存するのではなく、判別的な特徴を学習しており、複数の機械タイプにわたり一貫した性能向上が確認された。