PR TIMES より
記事の要約
- 異常音検知モデルの高精度化を実現
- 教師なし学習による計算量削減に成功
- 工場設備機械の異常検知への応用期待
デンソーITラボの異常音検知技術に関する発表
デンソーアイティーラボラトリは2024年12月28日、教師なし学習を用いた異常音検知モデルの高精度化と学習計算量の削減を実現する手法に関する論文を発表しました。この論文は、信号処理分野のトップカンファレンスであるEUSIPCO 2024で採択されました。
従来の異常音検知モデルでは、異常音データの入手困難さが課題でした。しかし、今回提案された手法では、対象機種とよく似た音の特徴を持つ機種の正常音データも学習に用いることで、精度の向上と計算量の削減を実現しています。これにより、工場などの設備機械における異常音検知モデルの構築が効率化されることが期待されます。
本研究では、DCASE Challenge 2022のデータを用いて、提案手法の有効性を検証しました。その結果、複数の機種の正常音を学習データとして用いることで、異常音検知の精度が向上することが確認されました。この技術は、自動車の異常音検知など、様々な分野への応用が期待されています。
EUSIPCO 2024採択論文の主要内容
| 項目 | 詳細 |
|---|---|
| 論文タイトル | Outlier Exposure with Efficient Division of Positive and Negative Examples for Anomalous Sound Detection |
| 発表者 | 太刀岡勇気 (株式会社デンソーアイティーラボラトリ) |
| 発表カンファレンス | European Signal Processing Conference (EUSIPCO 2024) |
| 発表日 | 2024年8月 (フランス・リヨンで開催) |
| 研究内容 | 教師なし学習による異常音検知モデルの高精度化と計算量削減手法の提案 |
| 手法の特徴 | 対象機種と類似した音の特徴を持つ機種の正常音データも学習に利用 |
| 期待される効果 | 工場設備機械の異常音検知モデル構築の効率化、自動車の異常音検知への応用 |
参考：PR TIMES「デンソーITラボが「よく似た音」を利用し、異音検知する教師なしモデルの高精度化と学習計算量の削減を実現する手法を提案 | 株式会社デンソーアイティーラボラトリのプレスリリース (参照日：2024年12月29日)
コメント