Deep Learning×外観検査自動化の基本、導入、運用方法

再開催を依頼する / 関連するセミナー・出版物を探す
オンライン 開催

本セミナーでは、ディープラーニングや異常検知の基礎から、ディープラーニングによる異常検知手法とその実例・課題などについて詳しく解説いたします。

日時

中止

プログラム

近年のAI技術の発展により、その活用範囲は製造現場にも広がりつつあります。Deep Learning技術は、製造現場での劇的な性能向上をもたらしつつあります。しかし、製造の現場、特に外観検査に応用しようとした場合に参考になる論文、書籍やセミナーはあまり多くはありません。また、外観検査への応用ではデータ収集やモデルの構築も一般的な認識タスクと大きく異なる点が多いです。  本セミナーでは、Deep Learningを外観検査に応用する場合の基本的な概念、最新の方法、評価方法、導入に際しての課題について講演を行います。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します。

  1. 特徴量と特徴空間
    1. 特徴量とは
    2. 特徴空間
    3. クラスの概念
  2. 識別問題
    1. 識別問題とは
    2. 線形識別法
    3. 異常検知の考え方
  3. ニューラルネットワークの基礎
    1. 単純パーセプトロン
    2. 3層ニューラルネットワーク
    3. 畳み込みニューラルネットワーク
  4. 異常サンプルがない場合の方法
    1. オートエンコーダ
      1. オートエンコーダの基礎
      2. 畳み込みオートエンコーダ
      3. オートエンコーダの復元による異常検知
    2. Generative Adversarial Networks
      1. GANの基礎
      2. GANによる異常検知
    3. Deep SVDD
      1. Deep SVDDの基礎
      2. Deep SVDDによる異常検知
      3. オートエンコーダ+Deep SVDD
  5. 異常サンプルが少量ある場合の方法
    1. Adversarial Auto Encoderを用いた異常検知
    2. メトリックラーニングを利用した異常検知
  6. 導入方法
    1. データサンプルの作成
    2. 方法の選定
    3. 評価方法
      1. Confusion matrix
      2. ROCカーブとAUC
      3. 異常検知における性能評価
  7. 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

受講料

複数名受講割引

アカデミー割引

教員、学生および医療従事者はアカデミー割引価格にて受講いただけます。

ライブ配信セミナーについて