Nearest Neighbor Subspaceを用いた異常検知のための特徴量選択

カテゴリ: 部門大会

論文No: OS4-1-1

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): Nearest Neighbor Subspaceを用いた異常検知のための特徴量選択

著者名: 齋藤 航暉（岩手大学）,堀田 克哉（岩手大学）,萩原 義裕（岩手大学）

著者名(英語): Kazuki Saito (Iwate University),Katsuya Hotta (Iwate University),Yoshihiro Hagihara (Iwate University)

キーワード: 異常検知|部分空間|Anomaly Detection|Subspace

要約(日本語): 大規模生産時の外観検査において不良サンプルの収集は困難であるため，正常サンプルのみを用いた1クラス分類に基づく手法が登場している．しかし，事前に正常サンプルを記憶する手法では，学習時の正常画像のデータ数に応じて計算量が増加する課題が生じる．そのため，サブサンプリングを用いた手法が提案されているが，正常パターンを表現する特徴量を適切に選択していない場合に異常検知性能が低下する可能性がある．本研究では，正常パターンを表現する重要な特徴量のみを記憶するために部分空間構造に基づいた特徴量選択を提案する．提案手法では，Nearest Subspace Neighborに基づき貪欲的に最近傍部分空間を構成し特徴量を選択することで，正常パターンを少数サンプルのみで捉えることが可能である．産業用ベンチマークデータセットを用いた評価実験において，提案手法は高い精度で異常部位を検知可能であることを示す．