論文の概要: Activity-Guided Industrial Anomalous Sound Detection against Interferences

• arxiv url: http://arxiv.org/abs/2409.01885v1
• Date: Tue, 3 Sep 2024 13:26:25 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-06 01:23:22.093582
• Title: Activity-Guided Industrial Anomalous Sound Detection against Interferences
• Title（参考訳）: 活動誘導型産業用異常音の干渉検出
• Authors: Yunjoo Lee, Jaechang Kim, Jungseul Ok,
• Abstract要約: ソース分離(SS)と異常検出(AD)のフレームワークであるSSADを提案する。 SSADは、(i)アクティビティインフォームドSS、(i)アクティビティインフォームドSS、(ii)2ステップマスキング、および(ii)マシンアクティビティに沿った異常を強調して異常検出を堅牢化する2つのコンポーネントから構成される。 実験により,SSADはクリーン信号に完全アクセス可能なベースラインに匹敵する精度を達成し,SSADは劣化信号と活動情報のみを提供することを示した。
• 参考スコア（独自算出の注目度）: 8.864726245462908
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We address a practical scenario of anomaly detection for industrial sound data, where the sound of a target machine is corrupted by background noise and interference from neighboring machines. Overcoming this challenge is difficult since the interference is often virtually indistinguishable from the target machine without additional information. To address the issue, we propose SSAD, a framework of source separation (SS) followed by anomaly detection (AD), which leverages machine activity information, often readily available in practical settings. SSAD consists of two components: (i) activity-informed SS, enabling effective source separation even given interference with similar timbre, and (ii) two-step masking, robustifying anomaly detection by emphasizing anomalies aligned with the machine activity. Our experiments demonstrate that SSAD achieves comparable accuracy to a baseline with full access to clean signals, while SSAD is provided only a corrupted signal and activity information. In addition, thanks to the activity-informed SS and AD with the two-step masking, SSAD outperforms standard approaches, particularly in cases with interference. It highlights the practical efficacy of SSAD in addressing the complexities of anomaly detection in industrial sound data.
• Abstract（参考訳）: 本稿では,産業用音響データの異常検出の現実的シナリオについて述べる。 この課題の克服は、しばしば干渉は追加情報なしでターゲットマシンと事実上区別できないため困難である。 この問題に対処するため,SSADを提案する。SSADはソース分離(SS)のフレームワークで,異常検出(AD)に続き,マシンのアクティビティ情報を活用する。 SSADは2つのコンポーネントから構成される。 (i)活動インフォームドSS(活動インフォームドSS)により、類似の音色に干渉しても効果的なソース分離が可能となり、 (II)2段階マスキング,機械活動に整合した異常を強調することにより異常検出の堅牢化を図る。 実験により,SSADはクリーン信号に完全アクセス可能なベースラインに匹敵する精度を達成し,SSADは劣化信号と活動情報のみを提供することを示した。 さらに,2段階マスキングによる活動インフォームドSSとADにより,SSADは標準的なアプローチ,特に干渉の場合に優れる。 産業音データにおける異常検出の複雑さに対処するためのSSADの実用的有効性を強調した。

関連論文リスト

• Accurate and fast anomaly detection in industrial processes and IoT environments [38.674246480579946]
  本稿では,産業用およびIoT用環境であるSAnDにおける異常検出のための,新しい,シンプルで広く適用可能な半教師付き手順を提案する。 SAnDは5つのステップから構成されており、それぞれよく知られた統計ツール、すなわち、スムージングフィルタ、分散インフレーション係数、マハラノビス距離、しきい値選択アルゴリズム、特徴重要度技術を利用している。 我々は、SAnDは有効であり、広く適用可能であり、異常検出と実行時の両方において既存のアプローチより優れていると結論付けている。
  論文  参考訳（メタデータ） (2024-04-27T14:29:42Z)
• SoftPatch: Unsupervised Anomaly Detection with Noisy Data [67.38948127630644]
  本稿では,画像センサ異常検出におけるラベルレベルのノイズを初めて考察する。 本稿では,メモリベースの非教師付きAD手法であるSoftPatchを提案する。 既存の手法と比較して、SoftPatchは通常のデータの強力なモデリング能力を維持し、コアセットにおける過信問題を軽減する。
  論文  参考訳（メタデータ） (2024-03-21T08:49:34Z)
• Dual-path Frequency Discriminators for Few-shot Anomaly Detection [12.956761809902167]
  本稿では、これらの問題に対処するために、周波数観点からDual-Path Frequency Discriminator (DFD)ネットワークを提案する。 識別者は擬似アノマリーの形で共同表現を学ぶ。 MVTec AD と VisA ベンチマークで行った実験では、DFD が現在の最先端手法を超越していることが示されている。
  論文  参考訳（メタデータ） (2024-03-07T02:17:59Z)
• Semi-supervised Open-World Object Detection [74.95267079505145]
  半教師付きオープンワールド検出(SS-OWOD)という,より現実的な定式化を導入する。 提案したSS-OWOD設定では,最先端OWOD検出器の性能が劇的に低下することが実証された。 我々は,MS COCO, PASCAL, Objects365, DOTAの4つのデータセットを用いた実験を行い, 提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2024-02-25T07:12:51Z)
• 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)
• Novel features for the detection of bearing faults in railway vehicles [88.89591720652352]
  我々は,Mel-Frequency Cepstral Coefficients (MFCCs) とAmplitude Modulation Spectrogram (AMS) から抽出した特徴を,軸受欠陥の検出のための特徴として紹介する。
  論文  参考訳（メタデータ） (2023-04-14T10:09:50Z)
• Improving the precision of multiparameter estimation in the teleportation of qutrit under amplitude damping noise [6.077225913132659]
  振幅減衰(AD)ノイズと戦うための2つのスキームが提案されている。 その結果,EMAのスキームは独立推定精度と同時推定精度の両面でWMよりも優れていた。 その結果,WMとEMAの手法は遠隔量子センシングに有用であり,ADデコヒーレンスの下での他の量子情報タスクに一般化可能であることがわかった。
  論文  参考訳（メタデータ） (2023-01-20T01:49:33Z)
• Data-Driven Blind Synchronization and Interference Rejection for Digital Communication Signals [98.95383921866096]
  本研究では,データ駆動型深層学習手法の可能性について検討した。 本研究では,高分解能時間構造(非定常性)の取得が性能向上につながることを示す。 既製のNNと古典的検出と干渉除去の両方で改善可能なドメインインフォームドニューラルネットワーク(NN)の設計を提案する。
  論文  参考訳（メタデータ） (2022-09-11T14:10:37Z)
• Anomaly Detection Based on Selection and Weighting in Latent Space [73.01328671569759]
  SWADと呼ばれる新しい選択および重み付けに基づく異常検出フレームワークを提案する。 ベンチマークと実世界のデータセットによる実験は、SWADの有効性と優位性を示している。
  論文  参考訳（メタデータ） (2021-03-08T10:56:38Z)
• Anomalous Sound Detection using unsupervised and semi-supervised autoencoders and gammatone audio representation [4.591851728010269]
  本稿では,畳み込みオートエンコーダとガンマトーンに基づく音声表現に基づく新しいフレームワークを提案する。 機械の故障や損傷を早期に検出することは、大きな節約と産業プロセスの効率の向上を意味する可能性がある。
  論文  参考訳（メタデータ） (2020-06-27T08:25:47Z)

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。