.png){kind=icon}
返回
Visual Feature Domain Audio Coding for Anomaly Sound Detection Application
.png){kind=icon}
OA
AI
DOI：10.3390/a18100646.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
传统音频和视频编解码器是为人类感知设计的，通常会丢弃对机器分析至关重要的微妙频谱线索。为克服此限制，我们提出了一种面向机器的压缩框架，将频谱图重新解释为视觉对象，并将面向机器的特征编码（FCM）应用于异常声音检测（ASD）。在我们的方法中，音频信号转换为对数梅尔频谱图，从中提取中间特征图，并通过FCM流程进行压缩和重建。为进行比较，我们实现了AAC-LC（高级音频编码低复杂度）作为代表性感知音频编解码器，以及VVC（多功能视频编码）作为基于频谱图的视频编解码器。实验在DCASE（声学场景和事件检测与分类）2023任务2数据集上进行，涵盖四种机器类型（风扇、阀门、玩具车、滑块），使用DCASE 2024发布的官方自动编码器基线模型进行异常检测。检测得分基于重建误差和马氏距离计算。结果表明，所提出的基于FCM的ACoM（面向机器的音频编码）在比特率不到AAC的一半时，实现了相当或更优的性能，即使在超低比特率条件（1.3-6.3 kbps）下也能可靠地保留关键特征。而VVC仅在较高比特率下保持竞争力，在低比特率下性能急剧下降。这些发现表明，基于特征压缩为下一代ACoM标准化提供了有前景的方向，能够在带宽受限的工业环境中实现高效且鲁棒的ASD。
Keyword:
anomalous sound detection
audio coding for machines
deep learning
期刊
IF:
2.1
论文数:
644
被引数:
5.4K
机构
.png){kind=icon}
