知識蒸留とアンサンブル学習による外観検査の高精度化

カテゴリ: 研究会(論文単位)

論文No: PI25005,IIS25039

グループ名: 【C】電子・情報・システム部門 知覚情報/【D】産業応用部門 次世代産業システム合同研究会

発行日: 2025/03/14

タイトル(英語): Visual Inspection Based on Knowledge Distillation and Ensemble Learning

著者名: 井原 大晴(岡山県立大学),小林 万葉(岡山県立大学),植田 諒大(岡山県立大学),滝本 裕則(岡山県立大学)

著者名(英語): Taisei Ihara(Okayama Prefectural University),Kazuha Kobayashi(Okayama Prefectural University),Ryota Ueda(Graduate school of Okayama Prefectural University),Hironori Takimoto(Okayama Prefectural University)

キーワード: 外観検査|知識蒸留|アンサンブル学習|Visual Inspection |Knowledge Distillation|Ensemble Learning

要約(日本語): 本研究では、外観検査において異常パターンを判断する要素を増やすことが異常検知の精度向上に有効であるという仮説に基づき、教師モデルと複数の生徒モデルを組み合わせた知識蒸留とアンサンブル学習に基づく外観検査法を提案した。提案手法ではアンサンブル学習における生徒モデルの多様性を確保するため、教師モデルから蒸留される情報を生徒モデルごとに特徴の解像度に基づいて調整し、教師・生徒モデルの出力差の統計量に基づいて異常を判定する。

要約(英語): This study proposes a visual inspection method combining knowledge distillation and ensemble learning with multiple student models. The approach adjusts distilled information from the teacher model based on feature resolution for each student model, ensuring diversity in ensemble learning. Anomalies are detected using statistical measures of output differences between teacher and student models._x000D_ _x000D_

本誌: 2025年3月17日知覚情報/次世代産業システム合同研究会

本誌掲載ページ: 25-29 p

原稿種別: 日本語

PDFファイルサイズ: 630 Kバイト