| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2020-12-18 14:40 少数学習データによるFeature Contraction及びRand Augmentを導入したSSDモデルの構築 ○尾澤知憲（ユニコ）・松本悠希・三浦勝司（住友電工）・奥野拓也（住電通信エンジニアリング）  PRMU2020-60 |
|
| 抄録 | （和） | 工業製品はその品質を確保する為に外観検査が行われることが多い。従来、外観検査は目視で行われてきたが、個人によって結果にばらつきが生じるなどの問題がある。これに対して近年、AIを導入することで外観検査を自動化する動きが高まっている。本研究ではAI技術の内、画像検知アルゴリズムSSDを用いて実際の外観検査への応用を試みる。SSDの学習の際、良品画像と不良品画像が必要となるが、実際のラインでは不良品の発生は極稀である為、不良品画像は人工的に作成せねばならず、取得できる枚数には限界がある。そこで本研究ではSSDの学習にFeature Contraction及びRand Augmentを導入することで、少量の学習データ（良品・不良品計920枚）から学習結果のばらつきが少ない高精度なSSDモデルの構築が可能であることを示す。 |
| （英） | Appearance inspection is often performed to maintain quality in the industrial production. Until now, the appearance inspection has been performed by visual confirming. However, there is a problem that the result of appearance inspection differs by inspectors. In recent years, the automation of appearance inspection has become heated by introducing AI. In this research, we try to apply the SSD which is one of object detection algorisms using AI technologies, to appearance inspection in situ. In the learning of the SSD, it needs some images of good and defective products. The images of defective products, however, must artificially be made and the number of defective images that can be made limited, since the occurrence of detective products is extremely few in actual process. In this study, therefore, we show that we can construct high performance SSD models with small training data by introducing Feature Contraction and Rand Augment to the learning of the SSD. | |
| キーワード | （和） | Feature Contraction / Rand Augment / SSD / mobileNetV1 / / / / |
| （英） | Feature Contraction / Rand Augment / SSD / mobileNetV1 / / / / | |
| 文献情報 | 信学技報, vol. 120, no. 300, PRMU2020-60, pp. 128-132, 2020年12月. | |
| 資料番号 | PRMU2020-60 | |
| 発行日 | 2020-12-10 (PRMU) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | PRMU2020-60 |
|
| 研究会情報 | |
| 研究会 | PRMU |
| 開催期間 | 2020-12-17 - 2020-12-18 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 転移学習・少数データからの学習 |
| テーマ（英） | Transfer learning and few shot learning |
| 講演論文情報の詳細 | |
| 申込み研究会 | PRMU |
| 会議コード | 2020-12-PRMU |
| 本文の言語 | 日本語 |
| タイトル（和） | 少数学習データによるFeature Contraction及びRand Augmentを導入したSSDモデルの構築 |
| サブタイトル（和） | |
| タイトル（英） | Construction of SSD model applied Feature Contraction and Rand Augment by small training data |
| サブタイトル（英） | |
| キーワード(1)（和/英） | Feature Contraction / Feature Contraction |
| キーワード(2)（和/英） | Rand Augment / Rand Augment |
| キーワード(3)（和/英） | SSD / SSD |
| キーワード(4)（和/英） | mobileNetV1 / mobileNetV1 |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 尾澤 知憲 / Tomokazu Ozawa / オザワ トモカズ |
| 第1著者 所属（和/英） | 株式会社ユニコ (略称： ユニコ) UNICO Co.,Ltd. (略称： UNICO) |
| 第2著者 氏名（和/英/ヨミ） | 松本 悠希 / Yuki Matsumoto / マツモト ユウキ |
| 第2著者 所属（和/英） | 住友電気工業株式会社 (略称： 住友電工) Sumitomo Electric Industries, Ltd. (略称： SEI) |
| 第3著者 氏名（和/英/ヨミ） | 三浦 勝司 / Katsushi Miura / ミウラ カツシ |
| 第3著者 所属（和/英） | 住友電気工業株式会社 (略称： 住友電工) Sumitomo Electric Industries, Ltd. (略称： SEI) |
| 第4著者 氏名（和/英/ヨミ） | 奥野 拓也 / Takuya Okuno / オクノ タクヤ |
| 第4著者 所属（和/英） | 住電通信エンジニアリング株式会社 (略称： 住電通信エンジニアリング) Sumiden Communication Engineering Co.,Ltd. (略称： SCE) |
| 講演者 | 第1著者 |
| 発表日時 | 2020-12-18 14:40:00 |
| 発表時間 | 15分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2020-60 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | no.300 |
| ページ範囲 | pp.128-132 |
| ページ数 | 5 |
| 発行日 | 2020-12-10 (PRMU) |
[研究会発表申込システムのトップページに戻る]