English

<aside> 💡 목차

</aside>

<aside> 📌 Short-cut

제 1회 한국소음진동공학회 AI 챌린지 (2024)

</aside>

이 문서는 한국소음진동공학회 제1회 소음진동 AI 챌린지의 baseline system에 대한 문서입니다.

Baseline Model Downloads

KSNVE_baseline.zip

Description

• 본 소음진동 AI 챌린지의 목적은 가변 속도 조건 하에서 진동 데이터를 활용한 이상 신호를 감지하는 것이다.

<aside> 📌 Baseline system은 총 4개의 python code로 이루어져 있다.

• preprocess.py: 데이터 전처리 코드
• train.py: 모델 학습 코드
• eval.py: 학습된 모델의 결함 별 성능을 추출하는 코드
• test.py: 평가 데이터에 대한 anomaly score를 추출하는 코드 </aside>

Baseline system

• Baseline system은 spectrogram 기반의 AutoEncoder 모델을 활용한다.
• AutoEncoder는 데이터의 압축 및 복원 과정을 통해 특징을 학습하며, 비정상 데이터는 데이터를 복원하지 못하는 것을 기대해 이상 진단을 수행한다.
• 입력 spectrogram $X = \{ X_t \}{t=1}^T$ *이고, $X_t \in \mathbb{R}^{F}$ 이며, 이 때 $T$와 $F$는 각각 spectrogram의 time frame과 frequency bin 개수이다. AutoEncoder 모델을 $\psi{\phi}$*라 할 때, 각 데이터에 대한 anomaly score는 아래와 같다.

$$ \text{Score}(X) = \frac{1}{TF} \sum_{t=1}^T \|X_t - \psi_{\phi}(X_t) \|_2^2 $$