特徴抽出の最適化による異常検知モデルのコンパクト化

カテゴリ: 研究会(論文単位)

論文No: CT24092

グループ名: 【C】電子・情報・システム部門 制御研究会

発行日: 2024/10/23

タイトル(英語): Compactness of the Anomaly Detection Model through Feature Extraction Optimization

著者名: 長瀬 亜依(立命館大学),李 卓(立命館大学),孟 林(立命館大学)

著者名(英語): Ai NAGASE(Ritsumeikan University),ZHUO LI(Ritsumeikan University),LIN MENG(Ritsumeikan University)

キーワード: 異常検知|コンパクト化|特徴抽出の最適化|Anomaly Detection|Compactness|Feature Extraction Optimization

要約(日本語): 本研究は、異常検出の中の特徴抽出の最適化を行うことにより、異常検出モデルのコンパクト化を目指す。詳細には、特徴抽出の深層学習モデルの層と各レイアの特徴マップ数を徹底的に評価し、最適なモデルを求める。それにより、本研究は、異常検知モデルの性能向上と、リソース制約下での実用性向上に寄与することができる。

要約(英語): This study aims to optimize feature extraction in anomaly detection to compact the anomaly detection model. Specifically, we thoroughly evaluate the layers of the deep learning model used for feature extraction, as well as the number of feature maps in each layer, to find the optimal model. Through this, the study seeks to contribute to the improvement of anomaly detection model performance and enhance its practicality under resource-constrained environments.

本誌: 2024年10月26日制御研究会

本誌掲載ページ: 35-40 p

原稿種別: 日本語

PDFファイルサイズ: 950 Kバイト