一种基于去噪自编码器与双向LSTM神经网络的自动声学新奇性检测新方法

声学新奇检测旨在识别与系统训练所用参考/正常数据存在差异的异常或新颖声学信号。本文提出一种基于去噪自编码器的新型无监督方法。在该方法中，听觉谱特征通过结合双向长短期记忆（bidirectional Long Short-Term Memory, Bi-LSTM）循环神经网络的去噪自编码器进行处理。我们利用自编码器输入与输出之间的重构误差作为激活信号，以检测新颖事件。自编码器在包含典型居家场景录音（如交谈、看电视、玩耍和进食）的公开数据库上进行训练。评估在超过260种不同异常事件上进行。实验结果与当前最先进的方法进行对比，表明本方法显著优于现有技术，最高可达到93.4%的F-measure。