講演抄録/キーワード |
講演名 |
2022-03-27 15:40
拡散モデルによる工業製品の異常検知の検証 ○柏原 悠・松原 崇(阪大) CCS2021-48 |
抄録 |
(和) |
生成モデルによる異常検知は正常画像のみで学習したモデルで,入力画像と再構成画像の差異により異常画像であるかどうかを判断する方法が一般的である.しかし,既存の生成モデルでは再構成画像が不鮮明であったり,元の画像から回転するなどの問題がある.そこで,我々は鮮明な再構成が可能であるDenoising Diffusion Probabilistic Modelsをベースのモデルとして,異常検知で拡散過程を使用しない方法により,画像データの回転に対して頑健な異常検知を可能にした.本研究では工業用製品で評価を行い,既存の生成モデルによる性能をより優れた結果を得た. |
(英) |
Anomaly detection by generative models is achieved by comparing the reconstruction and the original image. However, existing generative models often lead to a blurred reconstruction and the loss of original image features (e.g., the orientation). In industrial anomaly detection, the objects often point to each direction and have detailed flaws. If the reconstruction is different from the original orientation and blurs the flaw, the anomaly detection fails. To avoid the problems, we propose the anomaly detection model based on diffusion model. The proposed model can reconstruct an image well and preserve original features. In this study, the model is evaluated on MVTeC AD, a dataset of industrial products anomaly detection, and demonstrates the area under receiver operating characteristic curve of 0.92. The score is significantly better than the existing generative models. |
キーワード |
(和) |
深層学習 / 人工知能 / 異常検知 / 生成モデル / 拡散モデル / / / |
(英) |
deep learning / artificial intelligence / anomaly detection / generative model / diffusion model / / / |
文献情報 |
信学技報, vol. 121, no. 442, CCS2021-48, pp. 72-77, 2022年3月. |
資料番号 |
CCS2021-48 |
発行日 |
2022-03-20 (CCS) |
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 |
CCS2021-48 |