VAEを特徴抽出器とした1クラスSVMの提案と欠陥検出への応用

抄録

近年，人工知能に関する技術の発展により従来と比較して高性能な画像認識システムの構築が可能となってお り，製品の検査工程などに対する応用が期待されている。中島らは，ImageNetで学習済みのCNN(Convolutional Neural Network)の転移学習により2クラス分類用の新たなCNNを構築し，工業製品の不良品検出を試みているが，入手可能な不良品と良品の画像枚数に偏りがあるという課題があった。この要因の一つとして，製造ラインで安定的に製造される工業製品の場合は不良品の発生頻度が非常に低く，欠陥が含まれた画像を蓄積していくことが容易ではなく，結果的に学習に必要となる十分な量のデータセットを準備できないことが挙げられる。 このような学習に必要な訓練データが不足している場合の問題点を解決するため，江原らは，1クラスSVM(Support Vector Machine)を適用したシステムを提案して いる。この提案手法により異常音の検知が可能となったことが示されており，1クラスSVM の有用性が確認さ れている。