17日前

FastRecon: ファスト・フィーチャ再構成を用いた少量サンプル工業異常検出

{Jimin Xiao, Qiugui Hu, Jiejie Liu, Haocheng Li, Xiaoyang Wang, Zheng Fang}
FastRecon: ファスト・フィーチャ再構成を用いた少量サンプル工業異常検出
要約

産業用異常検出において、検出アルゴリズムを開発する際の主な課題は、データ効率性および異なる製品間での迅速な移行能力である。従来の手法はデータを大量に必要とし、一つのモデルが一つのカテゴリに特化する形で動作する傾向にあり、実際の産業現場における適用性を制限している。本論文では、低データ環境下で動作可能であり、製品間の一般化がコストフリーで実現可能な、少サンプル異常検出戦略を提案する。異常なクエリサンプルが与えられた場合、少数の正常サンプルを参照として用い、その正常バージョンを再構成するアプローチを提案する。最終的な異常検出は、サンプル間のアライメントによって達成される。具体的には、サポートサンプルの特徴量からクエリサンプルの特徴量への最適な変換を取得するため、分布正則化を導入した新しい回帰手法を提案する。この手法により、再構成結果はクエリサンプルと視覚的に類似した形状を維持しつつ、正常サンプルの性質も保持されることが保証される。実験結果から、本手法は2~8ショットの設定において、従来の最先端手法と比較して、画像レベルおよびピクセルレベルのAUROC性能で顕著な優位性を示した。さらに、わずか8個未満のトレーニングサンプルで学習させるのみで、大量の正常サンプルを用いて学習された従来の異常検出(AD)手法と同等の性能を達成することができた。