ディープラーニングによる
異常検知の基礎と外観検査等への応用


　S200522K

開催日時：2020年5月22日（金） 13:00-17:00

会　　場：オームビル（東京都千代田区神田錦町3‐1）
受 講 料：お1人様受講の場合　43,000円[税別]／1名

　　　　　1口でお申込の場合　56,000円[税別]／1口（3名まで受講可能）

　　　　加藤 邦人　 氏　

　　　　　　　　岐阜大学　工学部　電気電子・情報工学科情報コース　准教授　
　　　　　　　　　　　　　　　人工知能研究推進センター　センター長

　

■講師ご略歴■
　　1996年中京大院情報科学研究科修士課程修了．現在，岐阜大学工学部准教授．
　　2011年米国メリーランド大学FacultyStaff．
　　2019年岐阜大学人工知能研究推進センターセンター長。
　　画像処理，コンピュータビジョンの研究に従事．
　　電子情報通信学会，電気学会，精密工学会会員．博士(情報認知科学)．

■ご専門および得意な分野・研究■
　　コンピュータビジョン、画像認識

■本テーマ関連学協会でのご活動■
　　・画像センシング技術研究会組織委員会ステアリングコミッティ委員長
　　・精密工学会画像応用技術専門委員会副委員長

■はじめに■
　　　近年、ディープラーニングによる画像認識は目覚ましい発展を遂げており、
　　これらの成果は実利用の段階に入った。工場などの生産現場では、古くから
　　画像認識による外観検査や異常検知が導入されているが、これらにディープ
　　ラーニングを導入することで飛躍的な精度の向上を行った事例が報告されつつある。
　　一方で、ディープラーニングを外観検査に応用する場合には、外観検査、
　　異常検知ゆえの問題がある。そこで，近年では大量の正常サンプルから
　　ニューラルネットワークによって正常状態モデルを生成し，その正常状態を
　　基として未知サンプルの異常度を算出する手法が用いられる．その代表的な
　　モデルとして，AutoencoderやGenerative Adversarial Networks (GANs)による
　　異常検知手法について紹介する。
　　　合わせて、ディープラーニングにつながるニューラルネットワークの基礎から、
　　異常検知の考え方、応用事例まで広く講演を行う。

■受講対象者■
　　　これから自社で外観検査システム、異常検知システムを構築したい、もしくは
　　それらの考え方を知りたい受講者を対象とし、ある程度（高校理系数学）の数学の
　　知識や情報工学の基礎知識程度を持っていれば理解できるような講演内容とする。
　　そのため、最新の異常検知手法については紹介程度に留める。
　　　基本は画像認識を対象として講演を行うが、信号、音声などの1次元情報についても
　　応用できるよう講演を行う。

■事前に目を通しておくと更に理解が深まる書籍：＊閲覧必須ではありません。■
　　「イラストで学ぶ ディープラーニング」（山下隆義著、KS情報科学専門書、2018/11）

■本セミナーで習得できること（一例）■
　　・ディープラーニングの基礎知識
　　・異常検知への応用
　　・現場への導入法
　

　　　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

　　　３．ニューラルネットワークの基礎
　　　　3.1　単純パーセプトロン
　　　　3.2　3層ニューラルネットワーク

　　　4．畳み込みニューラルネットワーク
　　　　4.1　畳み込みニューラルネットワークの基礎
　　　　4.2　Alex NetとVGG Net
　　　　4.3　ResNet

　　　5．オートエンコーダ
　　　　5.1　オートエンコーダの基礎
　　　　5.2　畳み込みオートエンコーダ

　　　6．Generative Adversarial Networks
　　　　6.1　GANの基礎

　　　7．ディープラーニングによる異常検知
　　　　7.1　オートエンコーダの復元による異常検知
　　　　7.2　オートエンコーダの潜在空間を利用した異常検知
　　　　7.3　復元と潜在空間を利用した異常検知
　　　　7.4　GANによる異常検知

　　　8．ディープラーニングによる異常検知による実例と諸問題