基于对抗学习的异常声音检测
案例介绍
基于对抗学习的异常声音检测
案例介绍
异常声音检测（ASD）是复杂工业系统中机械设备监测和维护的最重要任务之一。在实践中，有效识别工作中的机械系统的异常状态至关重要，这可以进一步促进故障的排除。在本文中，我们提出了一个多模式对抗学习单类分类框架，它允许我们同时使用对抗模型的生成器和判别器来实现高效的ASD。其核心思想是通过自动编码生成器的两种不同模式来学习重建声学数据的正常模式，这成功地将判别器的基本作用从识别真假数据概括为区分区域和局部模式的重建。此外，我们设计了一种新的可平衡的检测策略，使用生成器和鉴别器来有效实现异常检测。此外，我们提出了一个用于频域空间长期互动的全局过滤层，它直接从原始数据中学习，而不引入任何人为的先验因素。在来自不同工业领域的四个真实世界数据集上进行了广泛的实验（三个来自SAMSON AG的空化数据集和一个现有的公开数据集），以进行异常检测，所有这些都显示了卓越的结果，并超过了最近最先进的ASD方法。
案例图片
相似案例推荐
-
心脏超声分割
对超声心动图的2ch和4ch视图进行分割，并根据分割结果进行
-
冠脉CTA心脏分割，冠脉分割等
基于人工智能技术，对心脏CTA图像进行组织和冠脉三维重建，组
-
车辆检测AI项目
车辆检测项目主要完成车辆外观检验、车辆部件检验、车内仪表状态
-
爬虫全是自动脚本
全是自动化实现功能脚本，一步实现生成数据分析excel文件，
-
深度神经网络对医疗影像数据的挖掘
该项目为人工智能在医疗影像中的直接应用，收到国家项目支持。利
-
垃圾回收智能化分类
这个作品，打造的面向对象颇广，因为我们考虑到的不仅仅是日常会
1小时精推人才
需求方专属客服，免费梳理匹配
