[3D1-GS-2] 機械学習：画像認識

[3D1-GS-2-01] 特徴量の統計量およびクラスタリングを併用した画像異常検知

〇中田 仁人¹、堀田 克哉²、中澤 航平¹、余 俊³、張 潮¹ (1. 福井大学、2. 岩手大学、3. 新潟大学)

キーワード：機械学習、深層学習、異常検出

外観検査における異常検知は，正常画像のみを用いた教師なし学習によって製品や部品の画像から外観上の欠陥を特定することが目的である．近年の代表的な手法では，位置ずれに対する頑健性や特徴量削減に伴う計算時間短縮により高い検知性能を実現しているが，特徴量削減の際に重要な特徴量の削減が行われる懸念がある．そこで，本研究では正常画像データセットの情報量を多く保持するメモリーバンクを生成するために，特徴量の統計量およびクラスター構造を併用した異常検知手法を提案する．具体的には，特徴量の削減を伴うK-center クラスタリングに基づいた異常スコアおよび，特徴量の削減を伴わないマハラノビス距離に基づいたの異常スコアの加重平均によって異常領域を特定する．これによって，位置ずれに対する頑健性を維持しながらメモリーバンクの情報量を最大化するような異常スコアの算出を実現する．実験では，MVTec ADベンチマークにおけるPixel-Levelでの異常検知性能を評価することで，提案手法が競合手法に比べて多くの製品カテゴリで精度が向上したことを示す．