論文の概要: Acoustic Anomaly Detection for Machine Sounds based on Image Transfer Learning

• arxiv url: http://arxiv.org/abs/2006.03429v2
• Date: Fri, 11 Dec 2020 12:06:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-25 03:44:44.102773
• Title: Acoustic Anomaly Detection for Machine Sounds based on Image Transfer Learning
• Title（参考訳）: 画像転送学習に基づく機械音の音響異常検出
• Authors: Robert M\"uller, Fabian Ritz, Steffen Illium and Claudia Linnhoff-Popien
• Abstract要約: 本稿では,伝達学習による音響的故障検出について考察する。 我々は、画像分類のタスクで事前訓練されたニューラルネットワークを使用する。 ResNetベースのネットワークから抽出した機能は、AlexNetやSqueezenetよりも優れた結果が得られることがわかった。
• 参考スコア（独自算出の注目度）: 8.828131257265369
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In industrial applications, the early detection of malfunctioning factory machinery is crucial. In this paper, we consider acoustic malfunction detection via transfer learning. Contrary to the majority of current approaches which are based on deep autoencoders, we propose to extract features using neural networks that were pretrained on the task of image classification. We then use these features to train a variety of anomaly detection models and show that this improves results compared to convolutional autoencoders in recordings of four different factory machines in noisy environments. Moreover, we find that features extracted from ResNet based networks yield better results than those from AlexNet and Squeezenet. In our setting, Gaussian Mixture Models and One-Class Support Vector Machines achieve the best anomaly detection performance.
• Abstract（参考訳）: 産業応用においては、故障する工場機械の早期検出が重要である。 本稿では,トランスファー学習による音響異常検出について検討する。 ディープオートエンコーダに基づく現在のアプローチの多くとは対照的に,画像分類のタスクで事前学習されたニューラルネットワークを用いた特徴抽出を提案する。 次に,これらの特徴を用いて様々な異常検出モデルを訓練し,雑音環境における4台の異なるファクトリーマシンの記録における畳み込みオートエンコーダと比較して,結果が向上することを示す。 さらに,resnet ベースのネットワークから抽出した機能は alexnet や squeezenet よりも優れた結果が得られることがわかった。 我々の設定では、ガウス混合モデルとワンクラスサポートベクトルマシンが最高の異常検出性能を達成する。

関連論文リスト

• Utilizing Machine Learning and 3D Neuroimaging to Predict Hearing Loss: A Comparative Analysis of Dimensionality Reduction and Regression Techniques [0.0]
  我々は,脳の灰白質3次元画像における難聴閾値を予測するための機械学習アプローチについて検討した。 第1フェーズでは,3次元CNNモデルを用いて,遅延空間への高次元入力を低減した。 第2フェーズでは、このモデルを使用して、リッチな機能への入力を削減した。
  論文  参考訳（メタデータ） (2024-04-30T18:39:41Z)
• Self-Supervised Masked Convolutional Transformer Block for Anomaly Detection [122.4894940892536]
  本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。 本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
  論文  参考訳（メタデータ） (2022-09-25T04:56:10Z)
• Deep Autoencoders for Anomaly Detection in Textured Images using CW-SSIM [5.042611743157464]
  複素ウェーブレット構造類似度(CW-SSIM)に基づく損失関数の適用により,この種の画像に対して優れた検出性能が得られることを示す。 既知の異常検出ベンチマーク実験により,この損失関数で訓練した単純なモデルにより,最先端の手法に匹敵する,あるいは優れた性能が得られることが示された。
  論文  参考訳（メタデータ） (2022-08-30T08:01:25Z)
• Decision Forest Based EMG Signal Classification with Low Volume Dataset Augmented with Random Variance Gaussian Noise [51.76329821186873]
  我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。 信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
  論文  参考訳（メタデータ） (2022-06-29T23:22:18Z)
• Integral Migrating Pre-trained Transformer Encoder-decoders for Visual Object Detection [78.2325219839805]
  imTEDは、数発のオブジェクト検出の最先端を最大7.6%改善する。 MS COCOデータセットの実験は、imTEDが一貫してそのデータセットを2.8%上回っていることを示している。
  論文  参考訳（メタデータ） (2022-05-19T15:11:20Z)
• Time Series Imaging for Link Layer Anomaly Classification in Wireless Networks [0.6015898117103068]
  本稿では,無線異常検出のための画像ベース表現手法の初回解析を行う。 本稿では,正確な異常検出を可能にする新しいディープラーニングアーキテクチャを提案する。 本研究では,時系列信号から画像への変換による分類性能の向上の可能性を示す。
  論文  参考訳（メタデータ） (2021-04-02T10:23:06Z)
• Generalizing Face Forgery Detection with High-frequency Features [63.33397573649408]
  現在のCNNベースの検出器は、メソッド固有の色テクスチャに過度に適合するため、一般化に失敗する傾向にある。 フェースフォージェリ検出に高周波雑音を用いることを提案する。 1つは、複数のスケールで高周波ノイズを抽出するマルチスケールの高周波特徴抽出モジュールである。 2つ目は、低レベルRGB特徴抽出器を導く残差誘導空間注意モジュールで、新しい視点からフォージェリートレースにもっと集中する。
  論文  参考訳（メタデータ） (2021-03-23T08:19:21Z)
• Automatic Feature Extraction for Heartbeat Anomaly Detection [7.054093620465401]
  医療における異常検出の応用を目的とした、生音声の心拍音の自動抽出に着目する。 1次元非コーダ畳み込みエンコーダとウェーブネットデコーダで構成したオートエンコーダの助けを借りて,特徴を学習する。
  論文  参考訳（メタデータ） (2021-02-24T13:55:24Z)
• Analysis of Feature Representations for Anomalous Sound Detection [3.4782990087904597]
  本研究では,前訓練ニューラルネットワークの異常音検出のための特徴抽出器としての有用性を評価する。 これらのニューラルネットワークに含まれる知識を活用して、セマンティックにリッチな特徴を抽出します。 本手法は,バルブ,ポンプ,スライダ,ファンなどの工場用機器の記録に基づいて評価する。
  論文  参考訳（メタデータ） (2020-12-11T12:31:50Z)
• Unsupervised Anomaly Detection with Adversarial Mirrored AutoEncoders [51.691585766702744]
  本稿では,識別器のミラー化ワッサースタイン損失を利用して,よりセマンティックレベルの再構築を行う逆自動エンコーダの変種を提案する。 我々は,再建基準の代替として,異常スコアの代替尺度を提案した。 提案手法は,OOD検出ベンチマークにおける異常検出の最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2020-03-24T08:26:58Z)
• Rectified Meta-Learning from Noisy Labels for Robust Image-based Plant Disease Diagnosis [64.82680813427054]
  植物病は食料安全保障と作物生産に対する主要な脅威の1つである。 1つの一般的なアプローチは、葉画像分類タスクとしてこの問題を変換し、強力な畳み込みニューラルネットワーク(CNN)によって対処できる。 本稿では,正規化メタ学習モジュールを共通CNNパラダイムに組み込んだ新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-17T09:51:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。