少样本自适应提升异常声音检测精度

针对工业机械声学监测误报率高的问题，Simone Lugani 等作者提出一种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。 研究称，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。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。