Approach
正常画像の弱い拡張と擬似異常画像の生成を組み合わせ、正常変動と欠陥による変化を区別できる特徴表現を目指した距離学習を検討しています。
Research ／研究
画像異常検知のための汎用特徴抽出器の事前学習
外観検査で求められるのは、正常な見た目のばらつきには頑健でありながら、傷・欠けなどの微小な違いには敏感な特徴表現です。一方、一般的な画像分類の事前学習では、この能力が必ずしも十分に獲得されません。このギャップに着目し、特徴抽出器の学習方法の改良に取り組んでいます。
Evaluation
PyTorchでCNNを学習し、公開データセットMVTec ADを用いてPaDiM・PatchCoreなどの異常検知手法から性能を評価します。
Skills ／技術
LanguagesPython, C
ML / DataPyTorch, NumPy, scikit-learn
Image ProcessingOpenCV, CNN, 異常検知, 特徴量解析
EnvironmentLinux, GPUを用いた学習・評価環境
Experience ／活動
研究活動・学会発表
画像認識・異常検知の研究に取り組み、画像センシングや画像処理に関する学会・研究会で発表してきました。
チームでの開発・研究推進
IAIP外観検査アルゴリズムコンテストでのリーダー経験や、共同研究における学生側の進捗管理・役割分担などを通じて、技術検討とチーム運営の双方に取り組んでいます。共同研究の技術的な詳細は掲載していません。