在声音识别中进行异常值检测的方法？

Posted 2023-02-25

【中文标题】在声音识别中进行异常值检测的方法？

【英文标题】：Methods to do outlier detection in sound recognition?

【发布时间】：2016-01-08 02:42:27

【问题描述】：

有模型可以识别 2 类声音，即 A 类和 B 类。

如何将C类声音识别为异常声音？

我尝试在按帧识别时设置阈值。

above 70% -> class A or B
else      -> abnormal

例如，

如果一个声音有 10 帧，结果是

frame 1 2 3 4 5 6 7 8 9 10
      A B A B A A A B A  A     A=7 B=3
-> class A

frame 1 2 3 4 5 6 7 8 9 10
      B B A B A A A B A  A     A=6 B=4
-> abnormal

性能很差。

我该怎么办？

【问题讨论】：

对于异常值检测的二进制分类器的结果可能不是一个好主意。您的二元分类基础模型是什么？

神经网络，torch7

声音 A 和 B 是您要检测的特定事物？您是否考虑过为 C 引入带有杂散噪声或通用音频样本的训练示例？

你的意思是模型被训练来识别 A, B, C 吗？如果是的话，我已经考虑过了。但是，如果我训练一个 N 类模型，总会有与这些 N 类不同的声音。所以，我尝试进行异常值检测。

给你A或B的分类器有信心吗？

【参考方案1】：

有两种方式来看待这个问题：分类问题和异常值检测问题。

分类

作为一个分类问题，可能会引入在您的系统应用程序中可能遇到的外部声音，并使用它来创建第三类。对于这个第三类来说，拥有多种声音很重要，而且可能还有很多。

有了这个，您可能想要使用对成本敏感的一个而不是全部，因此调整精度/召回率以挑选出 A 类和 B 类。

这种方法的好处是您不必为异常值/异常模型设置任意阈值。在这种情况下，距离可能很难测量，因此很难找到合适的阈值。

包括我自己在内的许多人在与您的问题类似的 kaggle 比赛中使用了这种技术。 https://www.kaggle.com/c/axa-driver-telematics-analysis

异常值/异常检测

由于您使用的是神经网络，因此可以构建自动编码器。这将找到代表您尝试检测的声音的多种声音。您可以使用重建损失作为异常检测的距离度量。这仍然需要您确定一个阈值，最好使用一些现有的异常/异常数据来执行此操作。