ショーケース異常検知に対するEfficient Generative Adversarial Networksの適用

カテゴリ: 部門大会

論文No: GS3-4

グループ名: 【C】2024年電気学会電子・情報・システム部門大会

発行日: 2024/08/28

タイトル(英語): Refrigerated Showcase Anomaly Detection by Efficient Generative Adversarial Networks

著者名: 小山 創央（明治大学）,福山 良和（明治大学）,鈴木 聡（富士電機）,村上 賢哉（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),Satoshi Suzuki (Fuji Electric Co., Ltd.),kenya Murakami (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，冷蔵・冷凍ショーケースの異常検知に対して，Efficient generative adversarial networks (Efficient GANs)の適用を提案する。この問題では，高精度な異常検知をすることやデータのみで異常検知を行うことなどの６つのニーズがある。全てのニーズを満たすために，さまざまな手法が考案されてきたが，どの手法も異常検知精度に改善の余地があった。生成系AIを用いた手法が多くの分野で有効性が確認されている。そこで，著者らは，ショーケース異常検知へのGANsの適用を提案し，有効性を確認した。しかし，その手法にも改良の余地があったため，GANsの改良手法であるEfficient GANsの適用を提案し，GANsを用いた方法との比較を行い，有効性の検証を行った。