不変情報クラスタリングによる良品画像のみを用いた特徴抽出と欠陥検知用CNNへの応用の検討

抄録

本稿では外観検査用の畳み込みニューラルネットワーク（CNN: Convolutional neural network）において，不良品画像を必要とせず，良品画像のみによって訓練され，欠陥の有無を分類するCNNを製作する。このような研究は従来から行われておりVAE やGAN を利用されたものが報告されている。Jingらの研究では，CNNから得られた複数の特徴マップに対してマスクをかけた後，元の画像に復元する訓練を行うことで教師なし欠陥検出を行っている。本研究では，教師なし学習手法の一つとして注目されている不変情報クラスタリング(IIC: Invariant information clustering)とOne-Class Support Vector Machine (OCSVM) 用いて良品画像のみを用いたCNNによる欠陥検知を行う。