| 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 | 2022-05-13 14:35 二種の二値分類タスクに基づく外れ値検出を用いた直列型異常音検知法 ○畔栁伊吹（名大）・林 知樹（名大/HDL）・武田一哉・戸田智基（名大）  EA2022-8 |
|
| 抄録 | （和） | 異常音検出システムは，正常時の音データのみを用いて，異常時の音を検出する． 精度の高い異常音検知手法の一つとして，正常データと疑似異常データを分類して埋め込み空間を得るOutlier Exposureと，その埋め込みの確率分布をモデル化するInlier Modelingを直列に組み合わせる手法が提案されている． 一方で，Outlier Exposureにおいて，正常データと疑似異常データの分布が極端に似通っている，もしくは大きく異なっている場合に上手く学習できないという問題が残されている． 提案手法では，正常データと疑似異常データの分布が極端に似通っている，もしくは大きく異なっている場合をそれぞれ明示的に区別するために，外れ値検出の学習をする際に二種の二値分類タスクを行う． これにより，より多くの異常データを検出できるようになる． DCASE~2021 Task~2のデータセットを用いた評価の結果，提案手法は単一モデルで，複数のモデルをアンサンブルした上位の手法の性能をAUCとpAUCの調和平均において2.1,%上回ることを示した． |
| （英） | Anomalous sound detection systems use only normal sound data to detect unknown, atypical sounds. Conventional methods use a serial method, a combination of outlier exposure, which classifies normal and pseudo-anomalous data and obtains embedding, and inlier modeling, which models the probability distribution of the embedding. Outlier exposure has a difficulty in training a good classifier when normal data and pseudo-anomalous data are too similar or too different. To explicitly distinguish cases where normal data and pseudo-anomalous data are too similar or too different, the proposed method performs two types of binary classification tasks when training outlier exposure. It allows more anomalous data to be detected. Evaluation results on the DCASE~2021 Task~2 dataset show that the proposed method, with a single model, outperforms the top methods that ensemble multiple models by 2.1,% in the harmonic mean of AUC and pAUC ($p=0.1$). | |
| キーワード | （和） | 異常音検知 / outlier exposure / inlier modeling / 超球 / マルチタスク学習 / / / |
| （英） | anomalous sound detection / outlier exposure / inlier modeling / hypersphere / multi-task learning / / / | |
| 文献情報 | 信学技報, vol. 122, no. 20, EA2022-8, pp. 35-40, 2022年5月. | |
| 資料番号 | EA2022-8 | |
| 発行日 | 2022-05-06 (EA) | |
| 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 | EA2022-8 |
|
| 研究会情報 | |
| 研究会 | EA |
| 開催期間 | 2022-05-13 - 2022-05-13 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | ＜オーガナイズドセッション＞応用／電気音響，一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | EA |
| 会議コード | 2022-05-EA |
| 本文の言語 | 日本語 |
| タイトル（和） | 二種の二値分類タスクに基づく外れ値検出を用いた直列型異常音検知法 |
| サブタイトル（和） | |
| タイトル（英） | A serial anomalous sound detection method using outlier exposure based on two types of binary classification |
| 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） | outlier exposure / outlier exposure |
| キーワード(3)（和/英） | inlier modeling / inlier modeling |
| キーワード(4)（和/英） | 超球 / hypersphere |
| キーワード(5)（和/英） | マルチタスク学習 / multi-task learning |
| キーワード(6)（和/英） | / |
| 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 / Tomoki Hayashi / ハヤシ トモキ |
| 第2著者 所属（和/英） | 名古屋大学/ 株式会社 Human Dataware Lab. (略称： 名大/HDL) Nagoya University/Human Dataware Lab. Co. Ltd. (略称： Nagoya Univ./HDL/) |
| 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 | 2022-05-13 14:35:00 |
| 発表時間 | 25分 |
| 申込先研究会 | EA |
| 資料番号 | EA2022-8 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.20 |
| ページ範囲 | pp.35-40 |
| ページ数 | 6 |
| 発行日 | 2022-05-06 (EA) |
[研究会発表申込システムのトップページに戻る]