ディープラーニングの基礎から、異常検知の考え方、異常検知の問題点、異常サンプルがない場合と、少量のサンプルがある場合でのアプローチ、生成AIを用いた外観検査の現状と最新動向について説明します!
こちらは2025/3/10実施WEBセミナーのアーカイブ(録画)配信です。期間中何度でも視聴できます。
1. 特徴量と特徴空間
1.1 特徴量とは
1.2 特徴空間
1.3 クラスの概念
2. 識別問題
2.1 識別問題とは
2.2 線形識別法
2.3 異常検知の考え方
3. 異常サンプルがない場合の方法
3.1 オートエンコーダ
3.1.1 オートエンコーダの基礎
3.1.2 畳み込みオートエンコーダ
3.1.3 オートエンコーダの復元による異常検知
3.2 Deep SVDD
3.2.1 Deep SVDDの基礎
3.2.2 Deep SVDDによる異常検知
3.2.3 オートエンコーダ+Deep SVDD
4. 異常サンプルが少量ある場合の方法
4.1 Deep SAD
5. 最新異常検知手法
6. 運用方法
6.1 データの集め方とデータの重要性
6.2 データ拡張
6.3 異常検知手法の選択方法
6.4 学習方法
6.5 異常検知における性能評価
(Confusion matrix、ROCカーブとAUC、性能評価法)
6.6 チューニング方法
7. 生成AIを用いた外観検査の現況と最新動向
【質疑応答】