[4Yin2-42] モデルの不確実性を考慮した外観検査の効率化
キーワード：予測の不確実性、教師なし異常検知
製造業において，外観検査は製品の品質を保証する重要な業務である．近年，異常検知モデルを用いて，撮影画像から外観検査を行うシステムの導入が進んでいる．しかし，製品の品質を重視する場合，誤分類製品を出荷しないため，機械学習システム導入後も，人による目視検査をおこなう．従来の異常検知手法では，分類境界付近の異常か曖昧な画像を目視検査するが，正しく分類された画像も多く含まれ，人の検査負担が大きい．そこで，人の検査負担を軽減することを目的とし，AIの安全性や信頼性で注目されているモデルの不確実性を検討する．本研究では，異常検知の信頼性を定量化し，人の目視検査枚数を削減しつつ，誤分類画像を中心に目視検査が可能となる方法を提案する．具体的には，教師なし異常検知手法PaDiMを深層アンサンブルすることで，異常検知の信頼性を定量化する．実験では，提案指標を用いて，従来手法と比較し，目視検査枚数の削減と目視検査枚数に対する誤分類の検出率が高いことを示す．
講演PDFパスワード認証
論文PDFの閲覧にはログインが必要です。参加登録者の方は「参加者用ログイン」画面からログインしてください。あるいは論文PDF閲覧用のパスワードを以下にご入力ください。