[論文レビュー] Description and Discussion on DCASE2020 Challenge Task2: Unsupervised Anomalous Sound Detection for Machine Condition Monitoring

Yuma Koizumi, Yohei Kawaguchi+9 more|arXiv (Cornell University)|Jun 10, 2020

Anomaly Detection Techniques and Applications参考文献 29被引用数 104

ひとこと要約

この論文は、機械の状態監視における教師なし異常音検出（ASD）のDCASE 2020 Task 2ベンチマークを説明し、40チームから117件の提出を分析し、2つの新規ASDアプローチとその課題について議論します。

ABSTRACT

In this paper, we present the task description and discuss the results of the DCASE 2020 Challenge Task 2: Unsupervised Detection of Anomalous Sounds for Machine Condition Monitoring. The goal of anomalous sound detection (ASD) is to identify whether the sound emitted from a target machine is normal or anomalous. The main challenge of this task is to detect unknown anomalous sounds under the condition that only normal sound samples have been provided as training data. We have designed this challenge as the first benchmark of ASD research, which includes a large-scale dataset, evaluation metrics, and a simple baseline system. We received 117 submissions from 40 teams, and several novel approaches have been developed as a result of this challenge. On the basis of the analysis of the evaluation results, we discuss two new approaches and their problems.

研究の動機と目的

• 産業用機械監視で訓練には正常な音のみが利用可能な場合の無監督ASDを動機づける。
• 公正な方法間比較を可能にする統一データセットと評価指標を提示する。
• ベースラインシステムを提供し、提出物を分析して現在のアプローチの強みと限界を特定する。
• 2つの新しいASD戦略を論じ、将来の研究方向性を概説する。

提案手法

• 正常な訓練データのみを用いて、10秒の単一チャネルの機械音からの異常を検出する ASD として定義する。
• 対数メル特徴量と再構成誤差を異常スコアとして用いたAE（オートエンコーダ）を用いた単純なベースラインを提供する。
• 機械タイプとID全体での性能を評価するためにAUCとpAUCを評価指標として用いる。
• 提出物を分析して、ID間データ共有と条件付けスキームの効果的な戦略を特定する。

実験結果

リサーチクエスチョン

• RQ1 未知の異常音を、訓練時に正常音のみが利用可能な状態でどのように検出できるか？
• RQ2 クロスIDサンプル共有や機械ID条件付けは無監督ASDの性能を改善するか？
• RQ3 現行の無監督ASDアプローチの実際的な制限と課題は何か？
• RQ4 機械タイプ間で堅牢なASDランキングを得るための有効な評価指標（AUCとpAUC）は何か？
• RQ5 2020年チャレンジの結果から生まれる将来のASD研究の方向性は何か？

主な発見

Machine Type	Machine ID	Dataset	AUC	pAUC
Toy-car	A	dev.	81.36	68.40
Toy-car	A	dev.	85.97	77.72
Toy-car	A	dev.	63.30	55.21
Toy-car	A	dev.	84.45	68.97
Toy-car	A	eval.	74.26	63.16
Toy-car	A	eval.	83.38	69.92
Toy-car	A	eval.	82.79	65.43
Toy-conveyor	A	dev.	78.07	64.25
Toy-conveyor	A	dev.	64.16	56.01
Toy-conveyor	A	dev.	75.35	61.03

• DCASE 2020 Task 2ベンチマークには40チームから117件の提出が集まり、多くのエントラントでベースラインを上回る性能を示した。
• 二つの有望なアプローチが浮上した： (1) 他の機械IDを異常として扱い決定境界を形成する分類ベースのASD、(2) Machine IDを条件付け入力として再構成忠実度を向上させるID条件付きAE。
• 分類ベースの方法は、異なるIDが同様の音を出す場合に誤検出が増える可能性があり、特定のタイプ（例: Toy-conveyor）で偽陽性が増える可能性がある。
• AEのID条件付けはIDごとに正常音を分離するのに役立つが、IDが acoustically similar な場合には再構成の課題が生じる可能性があり、バランスのとれた訓練戦略の必要性を示唆している。
• AEと分類戦略を組み合わせたアンサンブルは、いくつかのトップ提出物で堅牢な性能を示した。