| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2021-03-04 09:00 特徴量空間のクラス重心を考慮した二値分類モデルによる異常音検知 ○畔栁伊吹・林 知樹・武田一哉・戸田智基（名大）  EA2020-79 SIP2020-110 SP2020-44 |
|
| 抄録 | （和） | 異常音検知システムでは，正常データのみを用いて未知の異常音を検知することが必要となる． 一方で，異常音検知システムの運用を考慮すると，運用を通して蓄積され得る少量の異常データを活用し，性能向上を図ることができるシステムが望ましい． これらを踏まえて，本研究では，正常データに加え，異常データの活用が容易であり，かつ，他のドメインに属する外れ値データを擬似的な異常データとして活用可能である二値分類モデルに着目する． 本稿では，この二値分類モデルに対して，新たに特徴量空間上での各クラスの重心からの距離関係を学習する損失関数を導入する． クラス分類と距離学習のマルチタスク学習を行うことで，クラス間の線形分離を可能としつつ，クラス内分散が最小となり，クラス間分散が最大となるような特徴量空間への写像を獲得することが期待される． さらに，少量の異常データの活用が二値分類モデルにおける異常音検知において有効であることを明らかにするため，学習に使用する異常データの量と性能の関係を調査する． 異常音検知タスクであるDCASE~2020 Task~2のデータセットを用いた実験的評価により， 1)クラス分類と距離学習によるマルチタスク学習が有効であること， 2)特徴量空間上での各クラスの重心からの距離を考慮した損失関数が有効であること， そして，3)少量の異常データの活用により性能が大幅に改善することを明らかにする． |
| （英） | In an anomalous sound detection system, it is necessary to detect unknown anomalous sounds using only normal sound data. On the other hand, considering the anomalous sound detection system's operation, it is desirable to build a system that can also use a small amount of anomalous sound data accumulated through the operation. Therefore, we focus on a binary classification model that can easily use anomalous sound data as well as normal sound data while further using outlier data belonging to the other domain as pseudo-anomalous sound data. This report presents a new loss function based on metric learning for this binary classification, making it possible to learn the distance relationship from each class centroid in the feature space. The multi-task learning of classification and metric learning enables us to learn a mapping to the feature space where the within-class variance is minimized and the between-class variance is maximized while keeping normal and anomalous classes linearly separable. We also investigate the relationship between the amount of anomalous sound data used for training and the detection performance to clarify that the additional use of anomalous sound data is effective for further improving the binary classification model. Through the experimental evaluation with DCASE~2020 Task~2 dataset, we demonstrate that 1) multi-task learning of binary classification and metric learning is effective, 2) the loss function considering the distance from the class centroids in the feature space is also effective, and 3) using a small amount of anomalous sound data significantly improves the detection performance. |
|
| キーワード | （和） | 異常音検知 / 二値分類 / クラス重心 / 半教師あり学習 / 距離学習 / マルチタスク学習 / / |
| （英） | anomalous sound detection / binary classification / class centriods / semi-supervised learning / metric learning / multi task learning / / | |
| 文献情報 | 信学技報, vol. 120, no. 397, EA2020-79, pp. 114-121, 2021年3月. | |
| 資料番号 | EA2020-79 | |
| 発行日 | 2021-02-24 (EA, SIP, SP) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | EA2020-79 SIP2020-110 SP2020-44 |
|
| 研究会情報 | |
| 研究会 | EA US SP SIP IPSJ-SLP |
| 開催期間 | 2021-03-03 - 2021-03-04 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 音声,応用／電気音響,信号処理，超音波，一般 |
| テーマ（英） | Speech, Engineering/Electro Acoustics, Signal Processing, Ultrasonics, and Related Topics |
| 講演論文情報の詳細 | |
| 申込み研究会 | EA |
| 会議コード | 2021-03-EA-US-SP-SIP-SLP |
| 本文の言語 | 日本語 |
| タイトル（和） | 特徴量空間のクラス重心を考慮した二値分類モデルによる異常音検知 |
| サブタイトル（和） | |
| タイトル（英） | Anomalous Sound Detection Using a Binary Classification Model Considering Class Centroids |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 異常音検知 / anomalous sound detection |
| キーワード(2)（和/英） | 二値分類 / binary classification |
| キーワード(3)（和/英） | クラス重心 / class centriods |
| キーワード(4)（和/英） | 半教師あり学習 / semi-supervised learning |
| キーワード(5)（和/英） | 距離学習 / metric learning |
| キーワード(6)（和/英） | マルチタスク学習 / multi task learning |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 畔栁 伊吹 / Ibuki Kuroyanagi / クロヤナギ イブキ |
| 第1著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ) |
| 第2著者 氏名（和/英/ヨミ） | 林 知樹 / Tomiki Hayashi / ハヤシ トモキ |
| 第2著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ) |
| 第3著者 氏名（和/英/ヨミ） | 武田 一哉 / Kazuya Takeda / タケダ カズヤ |
| 第3著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ) |
| 第4著者 氏名（和/英/ヨミ） | 戸田 智基 / Tomoki Toda / トダ トモキ |
| 第4著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ) |
| 講演者 | 第1著者 |
| 発表日時 | 2021-03-04 09:00:00 |
| 発表時間 | 25分 |
| 申込先研究会 | EA |
| 資料番号 | EA2020-79, SIP2020-110, SP2020-44 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | no.397(EA), no.398(SIP), no.399(SP) |
| ページ範囲 | pp.114-121 |
| ページ数 | 8 |
| 発行日 | 2021-02-24 (EA, SIP, SP) |
[研究会発表申込システムのトップページに戻る]