外観検査AIの基礎となる異常検知の考え方を解説し、学習データを用いないZero-shot手法、少量データで高性能を狙うFew-shot手法、数十枚程度の画像から構築できる最新の高性能検査AIまでを体系的に紹介!
こちらは2026/4/24実施WEBセミナーのアーカイブ(録画)配信です。期間中何度でも視聴できます。
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
(1)オートエンコーダの基礎
(2)畳み込みオートエンコーダ
(3)オートエンコーダの復元による異常検知
3.2 Deep SVDD
(1)Deep SVDDの基礎
(2)Deep SVDDによる異常検知
(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