Análise de redes GANs para detecção de anomalias em atividade sonoras

Abstract

Os trabalhos do estado-da-arte na identificação de anomalias em imagens utilizam arquiteturas baseadas em GAN (Generative Adversarial Network), entretanto, poucos estudos demonstram sua utilização no domínio de sons. Testes utilizando bases de dados reais mostram que algumas alterações nas arquiteturas utilizadas para imagens podem obter resultados promissores. Validamos nossa abordagem no conjunto de dados DCASE 2020, que inclui mais de 180 horas de maquinário industrial. Avaliamos a classificação das anomalias, relatando uma média de 72% de AUC e 69% de pAUC, resultados superiores ao apresentado por baselines.