論文の概要: Description and Discussion on DCASE 2021 Challenge Task 2: Unsupervised Anomalous Sound Detection for Machine Condition Monitoring under Domain Shifted Conditions

• arxiv url: http://arxiv.org/abs/2106.04492v1
• Date: Tue, 8 Jun 2021 16:26:10 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-09 16:06:05.085085
• Title: Description and Discussion on DCASE 2021 Challenge Task 2: Unsupervised Anomalous Sound Detection for Machine Condition Monitoring under Domain Shifted Conditions
• Title（参考訳）: DCASE 2021チャレンジタスクの解説と議論2:ドメインシフト条件下での機械状態監視のための教師なし異常音検出
• Authors: Yohei Kawaguchi, Keisuke Imoto, Yuma Koizumi, Noboru Harada, Daisuke Niizumi, Kota Dohi, Ryo Tanabe, Harsh Purohit, and Takashi Endo
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 37.68195595947483
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present the task description and discussion on the results of the DCASE 2021 Challenge Task 2. Last year, we organized unsupervised anomalous sound detection (ASD) task; identifying whether the given sound is normal or anomalous without anomalous training data. In this year, we organize an advanced unsupervised ASD task under domain-shift conditions which focuses on the inevitable problem for the practical use of ASD systems. The main challenge of this task is to detect unknown anomalous sounds where the acoustic characteristics of the training and testing samples are different, i.e. domain-shifted. This problem is frequently occurs due to changes in seasons, manufactured products, and/or environmental noise. After the challenge submission deadline, we will add challenge results and analysis of the submissions.
• Abstract（参考訳）: 本稿では,DCASE 2021 Challenge Task 2 の結果について,タスク記述と議論を行う。 昨年, 教師なし音声検出(ASD)タスクを編成し, 異常訓練データなしで, 与えられた音が正常か, 異常かを同定した。 この年,ドメインシフト条件下での高度な教師なしASDタスクを整理し,ASDシステムの実用上の必然的な問題に着目した。 この課題の主な課題は、トレーニングとテスト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。 ドメインシフト。 この問題は季節や製造品、環境騒音の変化によって頻繁に発生する。 課題提出期限後、課題結果と提案内容の分析を加えます。

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)
• DETA: Denoised Task Adaptation for Few-Shot Learning [135.96805271128645]
  数ショット学習におけるテスト時間タスク適応は、訓練済みのタスク非依存モデルに適応してタスク固有の知識を取得することを目的としている。 少数のサンプルしか得られないため、支持試料からのイメージノイズ(Xノイズ)またはラベルノイズ(Yノイズ)の悪影響を著しく増幅することができる。 Denoized Task Adaptation (DETA) は、既存のタスク適応アプローチに対して、最初に統合された画像とラベルをデノベートするフレームワークである。
  論文  参考訳（メタデータ） (2023-03-11T05:23:20Z)
• 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)
• Description and Discussion on DCASE 2022 Challenge Task 2: Unsupervised Anomalous Sound Detection for Machine Condition Monitoring Applying Domain Generalization Techniques [35.54126113756623]
  音響シーン・イベントの検出・分類のタスク記述について紹介する。2022 課題2:「ドメイン一般化技術を適用した機械状態監視のための教師なし異常音検出(ASD)」。 本稿では,DCASE 2021 Challenge Task 2において,ドメインシフトを扱うためのASDタスクを編成した。 2022タスク2では,ドメインシフトによらず異常を検出する領域一般化技術に注目した。
  論文  参考訳（メタデータ） (2022-06-13T02:06:15Z)
• 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)
• 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)
• Description and Discussion on DCASE2020 Challenge Task2: Unsupervised Anomalous Sound Detection for Machine Condition Monitoring [36.60410256763345]
  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。
  論文  参考訳（メタデータ） (2020-06-10T13:17:36Z)

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。