CGを含む学習画像データを用いたVariarional Autoencoderによる異常検知の検討

カテゴリ: 研究会(論文単位)

論文No: PI20014,IIS20045

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: 2020/03/23

タイトル(英語): Consideration of Anomaly Detection by Variational Autoencoder Using Learning Image Data Including Computer GraphicI

著者名: 中澤 大和(日本大学),門馬 英一郎(日本大学),石井 弘允(日本大学),小野 隆(日本大学),高岡 明弘(朝日エティック),服部 聡(朝日エティック),原田 誠(朝日エティック),樋口 知以(朝日エティック)

著者名(英語): Hirokazu Nakazawa(Nihon University),Eiichiro Momma(Nihon University),Hiromitsu Ishii(Nihon University),Takashi Ono(Nihon University),Akihiro Takaoka(Asahi ETIC),Satoshi Hattori(Asahi ETIC),Makoto Harada(Asahi ETIC),Tomoyuki Higuchi(Asahi ETIC)

キーワード: 機械学習|変分自己符号化器|ゲームエンジン|コンピュータグラフィクス|Machine Learning|Variarional AutoEncoder|GameEngine|Computer Graphics

要約(日本語): 機械学習による異常検知をする際に用いる学習画像データは、正常な画像がほとんどであり、異常なデータのサンプルが少ないという現状である。異常なデータのサンプルが増えれば異常検知精度の上昇が期待できる。本稿では、非整備環境画像とそれに模した仮想空間で作成したCGによる学習用画像データを用いてVariational AutoEncoderによる異常検知精度の上昇の検討をした。

要約(英語): Currently, there are many normal data and almost no anomaly data in learning data for Anomaly Detection. If anomal data increases, the accuracy of Anomaly Detection is expected to improve. Using CG similar to anomal data created in the virtual space, we examined the improvement of accuracy of Anomal Detection by Variational AutoEncoder.

原稿種別: 日本語

PDFファイルサイズ: 1,496 Kバイト