少数不良品サンプル下におけるAdversarial AutoEncoderによる正常モデルの生成と不良判別／岐阜大学 工学部［全10頁］

映像情報インダストリアル編集部

380円（税込）

産業開発機構株式会社

近年、ディープラーニングの発展により、ディープラーニングを外観検査への応用が検討されているが、ネットワークの学習に十分量の不良品サンプルを確保することは通常困難である。そこで、大量の良品が存在するが、不良品は少数しか存在しない条件下での不良判別を目標とした。任意の分布に従う特徴抽出が可能であるAdversarial AutoEncoder（AAE）とデータが正規分布に従っている場合に有効なHotelling's T-Squareを組み合わせることで、少数不良品サンプル下において正常状態を学習させ、異常度により不良判別を行う。