論文の概要: Description and Discussion on DCASE2020 Challenge Task2: Unsupervised Anomalous Sound Detection for Machine Condition Monitoring

• arxiv url: http://arxiv.org/abs/2006.05822v2
• Date: Sat, 8 Aug 2020 06:38:07 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-23 05:05:35.899710
• Title: Description and Discussion on DCASE2020 Challenge Task2: Unsupervised Anomalous Sound Detection for Machine Condition Monitoring
• Title（参考訳）: DCASE2020 Challenge Task2の解説と議論:機械条件モニタリングのための教師なし異常音検出
• Authors: Yuma Koizumi, Yohei Kawaguchi, Keisuke Imoto, Toshiki Nakamura, Yuki Nikaido, Ryo Tanabe, Harsh Purohit, Kaori Suefusa, Takashi Endo, Masahiro Yasuda, Noboru Harada
• Abstract要約: 本稿では,DCASE 2020 Challenge Task 2: Unsupervised Detection of Anomalous Sounds for Machine Condition Monitoringの結果を紹介する。 異常音検出(ASD)の目的は、対象機械から放射される音が正常か異常かを特定することである。
• 参考スコア（独自算出の注目度）: 36.60410256763345
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• 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.
• Abstract（参考訳）: 本稿では,DCASE 2020 Challenge Task 2: Unsupervised Detection of Anomalous Sounds for Machine Condition Monitoringについて述べる。 異常音検出(ASD)の目的は、対象機械から放射される音が正常か異常かを特定することである。 この課題の主な課題は、通常のサンプルのみを訓練データとして提供した状態で未知の異常音を検出することである。 我々はこの課題を、大規模なデータセット、評価指標、シンプルなベースラインシステムを含む、ASD研究の最初のベンチマークとして設計した。 40チームから117の応募を受け取り、この課題の結果、いくつかの新しいアプローチが開発されました。 評価結果の分析に基づいて, 2つの新しいアプローチとその問題点について考察した。

関連論文リスト

• Description and Discussion on DCASE 2024 Challenge Task 2: First-Shot Unsupervised Anomalous Sound Detection for Machine Condition Monitoring [14.646018360317036]
  このタスクは、ドメインの一般化に必要な設定下でのファーストショットの問題である。 第一弾問題の主な目的は、新しい種類のマシンにAPDシステムの迅速な展開を可能にすることである。 DCASE 2024 Challenge Task 2では、完全に新しいマシンタイプのデータが新たに収集され、評価データセットとして提供される。
  論文  参考訳（メタデータ） (2024-06-11T13:32:40Z)
• Robust Tiny Object Detection in Aerial Images amidst Label Noise [50.257696872021164]
  本研究は,ノイズラベル管理下での微小物体検出の問題に対処する。 本稿では,DN-TOD(Denoising Tiny Object Detector)を提案する。 本手法は,1段と2段の両方のオブジェクト検出パイプラインにシームレスに統合できる。
  論文  参考訳（メタデータ） (2024-01-16T02:14:33Z)
• Perception Test 2023: A Summary of the First Challenge And Outcome [67.0525378209708]
  最初のパーセプションテストは、IEEE/CVF International Conference on Computer Vision (ICCV) 2023と共に半日間のワークショップとして開催された。 目標は、最近提案されたPerception Testベンチマークで最先端のビデオモデルをベンチマークすることであった。 このレポートでは、タスク記述、メトリクス、ベースライン、結果について要約しています。
  論文  参考訳（メタデータ） (2023-12-20T15:12:27Z)
• Few-shot bioacoustic event detection at the DCASE 2022 challenge [0.0]
  わずかにラベル付き例があるにも関わらず、音声イベント検出は音イベントを検出するタスクである。 本稿では,DCASE 2022チャレンジに含まれるバイオアコースティック音響イベント検出タスクの第2版の概要について述べる。 最も高いFスコアは、評価セットの60%であり、昨年の版よりも大幅に改善された。
  論文  参考訳（メタデータ） (2022-07-14T09:33:47Z)
• ASVspoof 2021: accelerating progress in spoofed and deepfake speech detection [70.45884214674057]
  ASVspoof 2021は、スプーフの研究を促進するための2年制の課題の第4版である。 本稿では,3つのタスク,それぞれのデータベース,評価基準,4つの課題ベースライン,評価プラットフォーム,課題結果の要約について述べる。
  論文  参考訳（メタデータ） (2021-09-01T16:17:31Z)
• What Makes Sound Event Localization and Detection Difficult? Insights from Error Analysis [15.088901748728391]
  音事象の定位・検出(SELD)は,音事象の検出と方向推定のタスクを統合することを目的とした,新たな研究課題である。 SELDはノイズ、残響、干渉、ポリフォニー、非定常性といった両方のタスクの課題を継承する。 従来の研究では、残響環境における未知の干渉がSELDシステムの性能に大きな劣化を引き起こすことが示されている。
  論文  参考訳（メタデータ） (2021-07-22T06:01:49Z)
• Description and Discussion on DCASE 2021 Challenge Task 2: Unsupervised Anomalous Sound Detection for Machine Condition Monitoring under Domain Shifted Conditions [37.68195595947483]
  本課題は, ASD システムの実用化における避けられない問題に焦点をあてる。 この課題の主な課題は、トレーニングと試験サンプルの音響特性が異なる未知の異常音を検出することである。
  論文  参考訳（メタデータ） (2021-06-08T16:26:10Z)
• Deep Dense and Convolutional Autoencoders for Unsupervised Anomaly Detection in Machine Condition Sounds [55.18259748448095]
  本報告では,DCASE 2020 チャレンジの第2タスクのために開発された2つの手法について述べる。 この課題には、異常音を検出する教師なしの学習が含まれており、トレーニングプロセス中に通常の機械作業条件サンプルのみが利用可能である。 この2つの手法は、メルスペクトグラム処理された音響特徴を用いた密集的および畳み込み的アーキテクチャに基づくディープオートエンコーダを含む。
  論文  参考訳（メタデータ） (2020-06-18T10:49:49Z)

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。