お知らせ 2023年度・2024年度 学生員 会費割引キャンペーン実施中です
お知らせ 技術研究報告と和文論文誌Cの同時投稿施策(掲載料1割引き)について
お知らせ 電子情報通信学会における研究会開催について
お知らせ NEW 参加費の返金について
電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
[ログイン]
技報アーカイブ
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2021-12-16 11:00
Self-Attention機構を組み込んだPatchCoreによる異常検知
武名佑起静岡大)・野田祥希望月凜平明電舎)・松村 周鉄道総研)・大橋剛介静岡大PRMU2021-29
抄録 (和) 近年,深層学習を用いた工業製品の外観検査において,傷や汚れなどの局所領域の異常検知では,優れた精度を達成しているモデルが多く存在する.しかし,部品同士の 共起関係の異常検知には弱いという課題がある.そこで,ピクセル間の関係性を 導出可能なTransformerのSelf-attention機構に着目し,共起関係の異常検知を可能にする.異常検知のベンチマークMVTec AD DatasetsのState-of-the-artであるPatchCoreにSelf-attention機構を導入することによって,部品同士の共起関係の異常を識別かつ,関係性の異なる箇所を特定可能なモデルを提案する. 
(英) In recent years, in visual inspection of industrial products using deep learning, There are many models that achieve excellent accuracy in detecting anomalies in local area such as scratches and stains. However, there is a problem that it is weak in detecting anomalies in cooccurrence relations between parts. Therefore, we focus on Transformer’s Self-attention module, which can determine the relationship between pixels, and enable anomaly detection of cooccurrence relationships. By introducing a Self-attention module into PatchCore, which is a State-of-the-art of MVTec AD Datasets of the anomaly detection benchmark, we propose a model that can identify anomalies in the cooccurrence relationships between parts and localize the parts with different relationships.
キーワード (和) 深層学習 / 異常検知 / 教師なし学習 / PatchCore / Self-attention / / /  
(英) Deep learning / Anomaly detection / Unsupervised learning / PatchCore / Self-attention / / /  
文献情報 信学技報, vol. 121, no. 304, PRMU2021-29, pp. 31-36, 2021年12月.
資料番号 PRMU2021-29 
発行日 2021-12-09 (PRMU) 
ISSN Online edition: ISSN 2432-6380
著作権に
ついて
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034)
PDFダウンロード PRMU2021-29

研究会情報
研究会 PRMU  
開催期間 2021-12-16 - 2021-12-17 
開催地(和) オンライン開催 
開催地(英) Online 
テーマ(和) 時系列・因果推論・異常検知 
テーマ(英)  
講演論文情報の詳細
申込み研究会 PRMU 
会議コード 2021-12-PRMU 
本文の言語 日本語 
タイトル(和) Self-Attention機構を組み込んだPatchCoreによる異常検知 
サブタイトル(和)  
タイトル(英) Anomaly Detection using PatchCore with Self-attention module 
サブタイトル(英)  
キーワード(1)(和/英) 深層学習 / Deep learning  
キーワード(2)(和/英) 異常検知 / Anomaly detection  
キーワード(3)(和/英) 教師なし学習 / Unsupervised learning  
キーワード(4)(和/英) PatchCore / PatchCore  
キーワード(5)(和/英) Self-attention / Self-attention  
キーワード(6)(和/英) /  
キーワード(7)(和/英) /  
キーワード(8)(和/英) /  
第1著者 氏名(和/英/ヨミ) 武名 佑起 / Yuki Takena / タケナ ユウキ
第1著者 所属(和/英) 静岡大学 (略称: 静岡大)
Shizuoka University (略称: Shizuoka Univ.)
第2著者 氏名(和/英/ヨミ) 野田 祥希 / Yoshiki Nota / ノタ ヨシキ
第2著者 所属(和/英) 株式会社明電舎 (略称: 明電舎)
Meidensya Corporation (略称: Meidensya Corp.)
第3著者 氏名(和/英/ヨミ) 望月 凜平 / Rinpei Mochizuki / モチヅキ リンペイ
第3著者 所属(和/英) 株式会社明電舎 (略称: 明電舎)
Meidensya Corporation (略称: Meidensya Corp.)
第4著者 氏名(和/英/ヨミ) 松村 周 / Itaru Matsumura / マツムラ イタル
第4著者 所属(和/英) 公益財団法人鉄道総合技術研究所 (略称: 鉄道総研)
Railway Technical Research Institute (略称: Railway Technical Research Inst.)
第5著者 氏名(和/英/ヨミ) 大橋 剛介 / Gosuke Ohashi / オオハシ ゴウスケ
第5著者 所属(和/英) 静岡大学 (略称: 静岡大)
Shizuoka University (略称: Shizuoka Univ.)
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者 第1著者 
発表日時 2021-12-16 11:00:00 
発表時間 15分 
申込先研究会 PRMU 
資料番号 PRMU2021-29 
巻番号(vol) vol.121 
号番号(no) no.304 
ページ範囲 pp.31-36 
ページ数
発行日 2021-12-09 (PRMU) 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会