○オートエンコーダ、GAN、Deep SVDD/Deep SADなど様々な手法の解説から、

データ収集や手法の選択方法・性能評価やチューニングといった運用のポイント、

生成AIと異常検知の未来まで。

ディープラーニングによる異常検知の基礎と応用

≪サンプルがない／少ない場合のアプローチから現場への導入・評価法まで≫

【提携セミナー】

主催：株式会社情報機構

◆　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。

本セミナーでは、ディープラーニングの基礎から、異常検知の考え方、異常検知の問題点、異常サンプルがない場合と、少量のサンプルがある場合でのアプローチ、最新手法、ネットワークの評価方法についての講演を行う。

◆　本セミナーで習得できること：

• ディープラーニングの基礎知識
• 異常検知の考え方と、その技術
• 最新の異常検知手法
• 現場への導入法、評価方法
  など

◆　受講対象者：

• 製造現場などで異常検知、外観検査に深層学習を導入したい方
• クラス分類ではない、異常検知の考え方、知見を得たいと考えている方
• 現場導入に際し、データの集め方、性能の評価の仕方の知識を得たい方
• 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。
• 基本は画像認識を対象として講演を行いますが、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います。

◆　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。

書籍「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）

担当講師

岐阜大学　工学部　電気電子・情報工学科情報コース　教授　加藤 邦人 氏

セミナープログラム（予定）

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
2.3　異常検知の考え方

３．異常サンプルがない場合の方法
3.1　オートエンコーダ
3.1.1　オートエンコーダの基礎
3.1.2　畳み込みオートエンコーダ
3.1.3　オートエンコーダの復元による異常検知
3.2　Generative Adversarial Networks
3.2.1　GANの基礎
3.2.2　GANによる異常検知
3.3　Deep SVDD
3.3.1　Deep SVDDの基礎
3.3.2　Deep SVDDによる異常検知
3.3.3　オートエンコーダ＋Deep SVDD

４．異常サンプルが少量ある場合の方法
4.1　Adversarial Auto Encoderを用いた異常検知
4.2　Deep SAD

５．最新異常検知手法

６．運用方法
6.1　データの集め方とデータの重要性
6.2　データ拡張
6.3　異常検知手法の選択方法
6.4　学習方法
6.5　異常検知における性能評価（Confusion matrix、ROCカーブとAUC、性能評価法）
6.6　チューニング方法

７．生成AIと異常検知の未来

＜質疑応答＞

公開セミナーの次回開催予定

開催日

未定

開催場所

未定

オンライン配信のご案内

★　Zoomによるオンライン配信

★　見逃し視聴

については、こちらをご参照ください

受講料

未定

配布資料

※配布資料・講師への質問等について

●配布資料はPDF等のデータで送付予定です。受取方法はメールでご案内致します。
　（開催1週前～前日までには送付致します）。
＊準備の都合上、開催1営業日前の12:00までにお申し込みをお願い致します。
（土、日、祝日は営業日としてカウント致しません。）

備考

●当日、可能な範囲で質疑応答も対応致します。
（全ての質問にお答えできない可能性もございますので、予めご容赦ください。）
●本講座で使用する資料や配信動画は著作物であり
無断での録音・録画・複写・転載・配布・上映・販売等を禁止致します。

お申し込み方法

★下のセミナー参加申込ボタンより、必要事項をご記入の上お申し込みください。