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。
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。
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。
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。
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。
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 | 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) |
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 |
詳細な技術説明につきましては、以下リンク先をご参照ください。