条件を改良したConditional Wasserstein Generative Adversarial Networks with Gradient Penalty によるデータ拡張を用いたショーケース異常検知

カテゴリ：部門大会

論文No：PS6-5

グループ名：【C】2025年電気学会電子・情報・システム部門大会

発行日：2025/8/20

タイトル(英語)：Conditional Wasserstein Generative Adversarial Networks with Gradient Penalty using Improved Conditions for Anomaly Detection of Refrigerated Showcases

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：生成AI,条件付きWasserstein敵対的生成ネットワーク,データ拡張,異常検知,ショーケース,Generative AI,Conditional Wasserstein generative adversarial networks,Data augmentation,Anomaly detection,Refrigerated showcase

要約(日本語)：本論文では，条件の改良を行ったConditional Wasserstein Generative Adversarial Networks with Gradient Penalty（CWGANs）のショーケース異常検知への適用を提案する。ショーケースはコンビニやスーパーで使用されており，商品の保存・陳列のために使用される。稀に異常が発生する可能性があるため，商品の廃棄防止などの目的のために高精度に異常を検知する必要がある。著者らは，CWGANsを用いた手法のショーケース異常検知への適用を行ったが，異常検知精度に課題があった。条件の構造と条件の作成方法に対して改良を行ったCWGANsを用いた手法をショーケース異常検知に適用し，従来法との比較を行った結果，有効性が確認できた。

本誌掲載ページ：1638-1640p

原稿種別：日本語

PDFファイルサイズ：761Kバイト