ゼロ枚？数枚？少量データで学習可能な検査AI最前線

セミナー趣旨

  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ています。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が導入されていますが、これらにディープラーニングを導入することで飛躍的に精度が向上した事例が報告されています。また、最近の生成AIが獲得した広い知識をもとに、ごく少量の学習サンプルで高精度な検査を実現する手法が多数登場してきています。本セミナーでは、AI検査の基礎である異常検知の考え方、Zero-shot（学習データなし）手法、Few-shot（少量学習データ）手法、数10枚程度の高性能検査AIの解説、特性、導入方法についての講演を行います。

受講対象・レベル

・製造現場などで外観検査AI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。

必要な予備知識

ディープラーニングの知識があることが望ましいが、セミナーは前提知識がなくてもある程度理解できるよう構成しています。

習得できる知識

・深層学習を用いた異常検知の考え方と、その技術
・最新の検査AI手法
・現場への導入法、評価方法
など

セミナープログラム

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．基本的な検査AI
　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　Deep SVDD
　　3.2.1　Deep SVDDの基礎
　　3.2.2　Deep SVDDによる異常検知
　　3.2.3　オートエンコーダ＋Deep SVDD
　3.3　Deep SAD
４．少量不良サンプルによる検査AI
　4.1　PaDiM
　4.2　Patch Core
５．画像生成AIを用いた検査AI
　5.1　Anomaly Diffusion
　5.2　GLASS
　5.3　DiffusionAD
６．Zero-Shot、Few-shot検査AI
　6.1　CLIPベースの検査AI
　6.2　Vision Language Modelを使ったセンサAI
７．運用方法
　7.1　データの集め方とデータの重要性
　7.2　データ拡張
　7.3　異常検知手法の選択方法
　7.4　学習方法
　7.5　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）
　7.6　チューニング方法
８．まとめ
＜質疑応答＞

＊途中、小休憩を挟みます。

セミナー講師

 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

■ご略歴
1996年中京大院情報科学研究科修士課程修了。現在、岐阜大学工学部教授。
2011年米国メリーランド大学Faculty Staff。2019年岐阜大学人工知能研究推進センターセンター長。
画像処理、コンピュータビジョンの研究に従事。多数の企業との共同研究をとおし、ディープラーニングの実応用の研究を行う。
電子情報通信学会、電気学会、精密工学会会員。博士(情報認知科学)。
■本テーマ関連学協会でのご活動
・画像センシング技術研究会組織委員会ステアリングコミッティ委員
・精密工学会画像応用技術専門委員会委員

セミナー受講料

【オンライン受講（見逃し視聴なし）】：1名 40,700円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき29,700円

【オンライン受講（見逃し視聴あり）】：1名 46,200円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき35,200円

＊学校法人割引：学生、教員のご参加は受講料50％割引。

受講について

• 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。）
• 受講にあたってこちらをご確認の上、お申し込みください。
• Zoomを使用したオンラインセミナーです
  →環境の確認についてこちらからご確認ください
• 申込み時に（見逃し視聴有り）を選択された方は、見逃し視聴が可能です
  →こちらをご確認ください