[论文解读] Anomalous Sound Detection using unsupervised and semi-supervised autoencoders and gammatone audio representation

Sergi Perez-Castanos, Javier Naranjo-Alcazar+2 more|arXiv (Cornell University)|Jun 27, 2020

Music and Audio Processing参考文献 22被引用 5

一句话总结

该论文提出了一种新颖的无监督与半监督卷积自编码器框架，采用Gammatone音频表征用于异常声音检测（ASD），在DCASE 2020 Task 2中取得了最先进性能。无监督模型在pAUC上相比基线最高提升了24个百分点，证明了Gammatone特征与二维卷积自编码器在无需异常训练数据的情况下检测未见机械故障方面的有效性。

ABSTRACT

Anomalous sound detection (ASD) is, nowadays, one of the topical subjects in machine listening discipline. Unsupervised detection is attracting a lot of interest due to its immediate applicability in many fields. For example, related to industrial processes, the early detection of malfunctions or damage in machines can mean great savings and an improvement in the efficiency of industrial processes. This problem can be solved with an unsupervised ASD solution since industrial machines will not be damaged simply by having this audio data in the training stage. This paper proposes a novel framework based on convolutional autoencoders (both unsupervised and semi-supervised) and a Gammatone-based representation of the audio. The results obtained by these architectures substantially exceed the results presented as a baseline.

研究动机与目标

• 解决在无需标注异常训练数据的情况下检测工业机械中未知异常声音的挑战。
• 评估卷积自编码器结合Gammatone频谱表示在低资源、无监督设置下的异常检测有效性。
• 比较仅使用正常声音样本的无监督与半监督自编码器架构在检测机械故障方面的表现。
• 提升在真实工业音频数据上的检测性能，其中异常事件稀少或收集成本高昂。

提出的方法

• 该框架使用二维Gammatone滤波器组将原始音频转换为时间-频率表征，模拟人类听觉感知。
• 仅使用正常声音样本端到端训练二维卷积自编码器，学习重建输入音频，并从重建误差中生成异常得分。
• 对于半监督变体，模型通过重建损失与正常类别标签的交叉熵损失联合优化，超参数α与β控制两者之间的权衡。
• 异常得分通过重建误差计算；误差越大，表示异常可能性越高。
• 模型在所有机器类型上共享同一个自编码器进行训练，实现对不同类型工业机械的泛化能力。
• 评估采用在低误报率范围（p=0.1）内的部分AUC（pAUC），以优先保障真实部署中的可靠性。

实验结果

研究问题

• RQ1 仅使用正常声音样本训练的单一共享自编码器是否能有效检测多样化工业机械中的异常？
• RQ2 与传统的梅尔频谱图相比，基于Gammatone的音频表征在异常检测性能上表现如何？
• RQ3 通过半监督训练引入有限的标注异常数据，是否能提升纯无监督训练的检测性能？
• RQ4 在半监督自编码器中，重建损失与分类损失之间的最优权衡是什么？

主要发现

• 纯无监督自编码器在整体性能上表现最佳，在ToyConveyor机器上相比基线pAUC最高提升24个百分点。
• 半监督方法未提升性能，甚至在某些情况下导致性能下降，尤其当分类损失权重β设置过高（如β=0.7）时。
• 泵类机器相比基线仅提升约10个百分点，表明该类机器的异常检测难度较高。
• 滑轨类机器在使用所提模型后性能略有下降（约4个百分点），表明模型在某些机器类型上存在泛化挑战。
• 无监督框架在所有机器上均达到最高pAUC，证明其在真实工业ASD应用中的鲁棒性与有效性。
• 使用Gammatone表征有助于提升特征学习能力，相比标准梅尔基或原始波形方法，能实现更好的重建与异常检测效果。