要約
産業分野における非教師あり異常検出は、高精度な産業自動化プロセスの実現に向けた重要な課題であり、注目されている分野である。大多数の産業向け手法は、正常サンプルからの学習に依拠して異常を検出することに焦点を当てているが、一部の産業シーンでは、さらに少ない特化的なトレーニングで済ませ、異常検出の汎化能力を重視する必要がある。代表的な例として、織物の異常検出が挙げられる。この分野では、色や織り目の種類が極めて多様なため、生産ラインの停止を伴うトレーニングは現実的ではなく、柔軟かつ迅速な異常検出が求められる。本論文では、ドメイン汎化型異常検出プロセスにおいて特徴の特化学習を組み込んだ、産業用織物テクスチャ欠陥検出の自動化プロセスを提案する。汎化能力と学習プロセスを統合することで、高速かつ高精度な異常検出およびセグメンテーションが可能となる。本研究の主な貢献は以下の通りである：（1）最先端の性能を達成するドメイン汎化型テクスチャ異常検出手法の提案、（2）本手法によって抽出された正常サンプルを用いた高速な特化型トレーニングの実現、（3）カスタム欠陥生成に基づく自己評価手法の導入、（4）既に学習済みの織物パターンの自動検出により、再トレーニングを回避する仕組みの構築。