TECHNOLOGY

国立研究開発法人産業技術総合研究所
(産総研)にて
発明された技術を活用した異常検知技術

アダコテックは、日本最大級の研究機関である産総研の革新的な技術、
「高次局所自己相関特徴抽出法」を用いた学習型異常検知技術を発展させ、さまざまな分野へ応用しています。

3つの特徴

不良データ不要

深層学習的な手法と比較して
少量の正常データのみで
モデルを生成することができる。

GPU不要

計算処理が軽いため、
汎用PCで動かすことができる。

ブラックボックス化しない

線形処理をしているため、
計算過程や結果の説明が容易。

産総研特許技術
高次局所自己相関特徴
(HLAC)とは?

画像解析に用いられる認識精度に優れた汎用的な特徴量。
積和演算のみで算出可能なので、検査対象の大きさや形状を市販PCで瞬時に計算できる。
また、位置不変性(認識対象の位置に依存しない)という特性から、対象の切り出しを必要としない
(セグメンテーションフリー)というメリットがある。
さらに加法性(対象が2つあればそれぞれの特徴ベクトルの和となる)といった、画像認識にとって好ましい性質も備えている。

HLACによる判定とは?

解析したいデータ(**静止画、動画、音、センサ**)の
HLAC特徴量を抽出したのち、部分空間法を行い、"正常"とするデータの範囲を決める。

HLAC判定フロー

以下のフローで"いつも"の領域を学習。

HLACと
ディープラーニングの比較

  HLAC ディープラーニング
サンプル数

10〜100個

10,000個以上
サンプル種類

正常品のみ

正常品と不良品
説明性

異常と判断した
原因を説明できる

ブラックボックス
学習の所要時間

数秒〜数分

数時間〜数日
必要なCPU

汎用PC(10万円)

GPU(数百万円)
正確性

見逃しゼロ

見逃しゼロは非常に難しい
JP / EN
pagetop