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(HLAC)特徴抽出法」と多変量解析手法を組み合わせ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(教師無し)
で異常検出モデルを学習生成できる。

GPU不要

計算処理が軽いため、
汎用PCでも高速に
動かすことができる。

ブラックボックス化しない

HLAC特徴を線形処理しているため、
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(HLAC)特徴抽出法
とは?

画像の解析や認識等に用いられる認識精度に優れた汎用かつ高速な特徴抽出法。
積和演算のみで算出可能なので、検査対象の形状や大きさを市販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、センサデータ、等々)の
HLAC特徴量を抽出したのち、主成分分析により"正常(通常)"とするデータの範囲(部分空間)を求め、
そこからの逸脱距離を異常値として異常を判定する。

HLAC判定フロー

HLAC方式と
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)

高性能GPU一式(数百万円)
正確性

ほぼ見逃しゼロ

見逃しゼロは非常に難しい

For More Information

JP / EN
pagetop