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。
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。
計算処理が軽いため、
汎用PCで動かすことができる。
線形処理をしているため、
計算過程や結果の説明が容易。
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。
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。
以下のフローで"いつも"の領域を学習。
| 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 |
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 |
