Efficient GANのショーケース異常検知への適用 ー さまざまな従来法との比較 ー

カテゴリ: 研究会(論文単位)

論文No: ST24025,SMF24052

グループ名: 【C】電子・情報・システム部門 システム/【D】産業応用部門 スマートファシリティ合同研究会

発行日: 2024/10/28

タイトル(英語): Refrigerated Showcase Anomaly Detection by Efficient Generative Adversarial Networks - Comparison with Various Conventional Methods -

著者名: 小山 創央(明治大学),福山 良和(明治大学),村上 賢哉(富士電機),鈴木 聡(富士電機),飯坂 達也(富士電機)

著者名(英語): So Koyama(Meiji university),Yoshikazu Fukuyama(Meiji university),Kenya Murakami(Fuji Electric Co., Ltd.),Satoshi Suzuki(Fuji Electric Co., Ltd.),Tatsuya Iizaka(Fuji Electric Co., Ltd.)

キーワード: 敵対的生成ネットワーク|Ｅｆｆｉｃｉｅｎｔ　ＧＡＮｓ|生成ＡＩ|異常検知|ショーケース異常検知|Generative adversarial networks|Efficient GANs|Generative AI|Anomaly detection|Refrigerated showcase anomaly detection

要約(日本語): 本論文では，ショーケース異常検知に対して， Efficient GANとさまざまな従来法の比較を行った。従来，ショーケース異常検知では，閾値を使用する評価指標を用いて，手法の評価が行われてきた。しかし，閾値によって，手法の評価が変わってしまう可能性があるため，閾値を使用しない評価指標による比較が求められる。

要約(英語): This paper presents comparison between efficient GANs and various conventional methods for refrigerated showcase anomaly detection. Conventionally, showcase anomaly detection methods have been evaluated using evaluation indices that utilize threshold values. Evaluation indices that do not utilize a threshold value are required.

本誌: 2024年10月31日システム/スマートファシリティ合同研究会

本誌掲載ページ: 21-25 p

原稿種別: 日本語

PDFファイルサイズ: 1,017 Kバイト