arXiv cs.LG· Simone Lugani, Christof Pichler, Hannes Wegleiter, Christoph Feilmayr, Rodolfo Zunino, Edoardo Ragusa·· 7 小时前AI 评分24
低误报率下的异常声音检测少样本自适应方法
Few-Shot Adaptation for Anomalous Sound Detection at Low False-Positive Rate
AI 导读
针对工业机械声学监测误报率高的问题，研究者提出两步式异常声音检测方法：仅有正常运行音频时部署正则化无监督模型，首次机器故障后利用故障期间采集的异常样本进行少样本自适应。该自适应将 AUPR 从 23.0 提升至 64.0，低误报率区域的 pAUROC 从 39.6 提升至 72.8，协方差正则化同时提升了无监督模型的预测精度与训练稳定性。
来源：arXiv cs.LG · arxiv.org