Joint Generative-Contrastive Representation Learning for Anomalous Sound Detection

判别式 生成语法 人工智能 计算机科学 生成模型 自编码 模式识别(心理学) 接头(建筑物) 特征学习 代表(政治) 背景(考古学) 机器学习 语音识别 自然语言处理 深度学习 建筑工程 古生物学 政治 法学 政治学 工程类 生物
作者
Xiaomin Zeng,Yan Song,Zhu Zhuo,Yu Zhou,Yuhong Li,Hui Xue,Lirong Dai,Ian McLoughlin
标识
DOI:10.1109/icassp49357.2023.10095568
摘要

In this paper, we propose a joint generative and contrastive representation learning method (GeCo) for anomalous sound detection (ASD). GeCo exploits a Predictive AutoEncoder (PAE) equipped with self-attention as a generative model to perform frame-level prediction. The output of the PAE together with original normal samples, are used for supervised contrastive representative learning in a multi-task framework. Besides cross-entropy loss between classes, contrastive loss is used to separate PAE output and original samples within each class. GeCo aims to better capture context information among frames, thanks to the self-attention mechanism for PAE model. Furthermore, GeCo combines generative and contrastive learning from which we aim to yield more effective and informative representations, compared to existing methods. Extensive experiments have been conducted on the DCASE2020 Task2 development dataset, showing that GeCo outperforms state-of-the-art generative and discriminative methods.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
满意紫菜发布了新的文献求助10
刚刚
廖元枫发布了新的文献求助10
刚刚
李爱国应助泡泡儿采纳,获得10
1秒前
搜集达人应助热心的流沙采纳,获得10
1秒前
一一yi完成签到,获得积分10
1秒前
CipherSage应助HHTTY采纳,获得10
1秒前
mai发布了新的文献求助10
2秒前
2秒前
科研通AI2S应助zs1234采纳,获得10
2秒前
研途顺利完成签到,获得积分20
2秒前
2秒前
姜姜发布了新的文献求助10
2秒前
2秒前
cossen完成签到,获得积分10
3秒前
samuealndjw完成签到,获得积分10
3秒前
3秒前
YUYUYU应助贺飞风采纳,获得30
3秒前
3秒前
彳亍1117应助miaozhuolin采纳,获得20
4秒前
光之战士完成签到 ,获得积分10
5秒前
hj发布了新的文献求助10
5秒前
雾潋完成签到,获得积分10
5秒前
XXXX发布了新的文献求助10
6秒前
6秒前
ding应助研途顺利采纳,获得10
6秒前
重要的板凳完成签到,获得积分10
7秒前
深情斓完成签到 ,获得积分10
8秒前
LL完成签到,获得积分10
8秒前
8秒前
黑黑黑完成签到,获得积分10
9秒前
9秒前
烛之武退情诗完成签到,获得积分20
10秒前
niu发布了新的文献求助20
10秒前
10秒前
科研r发布了新的文献求助10
10秒前
彤航发布了新的文献求助10
11秒前
11秒前
泡泡儿发布了新的文献求助10
11秒前
遇见完成签到,获得积分10
11秒前
大清完成签到,获得积分10
11秒前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Foreign Policy of the French Second Empire: A Bibliography 500
Chen Hansheng: China’s Last Romantic Revolutionary 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3147351
求助须知:如何正确求助?哪些是违规求助? 2798580
关于积分的说明 7829767
捐赠科研通 2455324
什么是DOI,文献DOI怎么找? 1306666
科研通“疑难数据库(出版商)”最低求助积分说明 627883
版权声明 601567