More Related Content
Similar to 異常検知ナイトgLupe発表
Similar to 異常検知ナイトgLupe発表 (20)
More from Hirono Jumpei (20)
異常検知ナイトgLupe発表
- 6. 5
ISP と gLupe
gLupe は外観検査ソフトウェア専用の開発キットです
学習・評価用アプリケーション 推論ソフトウェア開発用SDK
(SDK: Software Development Kit)
- 7. 6
ISP と gLupe
gLupe とソフトウェア開発技術の提供gLupe (開発環境)と開発サポートの提供
開発環境 開発サポート
開発サービス
開発会社A
データ解析サービス
エンドユーザーに提供
開発環境 開発サポート
開発サービスデータ解析サービス
エンドユーザーに提供
- 8. 7
ISP と gLupe
gLupe とソフトウェア開発技術の提供gLupe (開発環境)と開発サポートの提供
開発環境 開発サポート
開発サービス
開発会社A
データ解析サービス
エンドユーザーに提供
開発環境 開発サポート
開発サービスデータ解析サービス
エンドユーザーに提供
自社での対応には限界がある……gLupe で開発できる人達を増やしたい
- 9. 8
ISP と gLupe
gLupe とソフトウェア開発技術の提供gLupe (開発環境)と開発サポートの提供
開発環境 開発サポート
開発サービス
開発会社A
データ解析サービス
エンドユーザーに提供
開発環境 開発サポート
開発サービスデータ解析サービス
エンドユーザーに提供
自社での対応には限界がある……gLupe で開発できる人達を増やしたい
開発者の皆様が今お悩みの課題解決に
gLupe の活用を是非ご検討ください
- 21. 20
アルゴリズムから理解する gLupe の特徴 1
• 入力は画像のみを想定
• 画像に情報として残っていないものは見つけられない
gLupe のアルゴリズム
検出したい異常が写るように撮影できている必要がある。撮影重要。
異常箇所が目視で判断できる 異常箇所が目視で判断困難
…?
良い例 悪い例
- 22. 21
アルゴリズムから理解する gLupe の特徴 2
• CNNに入力するため、入力できる解像度がそこまで大きくできない
(せいぜい512x512pxや1024x1024pxくらい)
• 反応しやすい(学習しやすい)特徴はエッジが立っているもの
gLupe のアルゴリズム
- 23. 22
アルゴリズムから理解する gLupe の特徴 2
• CNNに入力するため、入力できる解像度がそこまで大きくできない
(せいぜい512x512pxや1024x1024pxくらい)
• 反応しやすい(学習しやすい)特徴はエッジが立っているもの
gLupe のアルゴリズム
状況に応じて前処理を行う
解像度が大きすぎる 分割する 見つけたいものがぼんやりしている 精鋭化フィルタをかける
- 24. 23
アルゴリズムから理解する gLupe の特徴 3
• gLupe は少量データで学習可能
• いくらDeep Learningベースといえども万能ではない
• それなりに柔軟性はあるものの、やはり学習データのバリエーションは
最小限に抑えたい
gLupe のアルゴリズム
- 25. 24
アルゴリズムから理解する gLupe の特徴 3
• gLupe は少量データで学習可能
• いくらDeep Learningベースといえども万能ではない
• それなりに柔軟性はあるものの、やはり学習データのバリエーションは
最小限に抑えたい
gLupe のアルゴリズム
やっぱり撮影重要。
一箇所の工場内で取得できるデータ数はたかが知れている。
→ バリエーションを大量のデータ数でカバーするのは不可能と考えた方が良い。
カメラ位置は固定。カメラパラメータも固定。写り方もなるべく固定。
たとえ大量データが集まったとしてもクレンジングやアノテーションやりたくない…。
- 28. 27
正常データでの学習だけじゃない!
gLupe 新機能 – 異常を学習する
傷や汚れ等の異常を数十枚のデータで学習し、異常検出する機能です。
学習 推論
【前提条件】・見つけたい異常(傷や汚れ)の形がある程度限定されている。
※カメラの固定が困難で、ある程度自由度をもった撮影が行われる場合でも有効
※異常パターンが一定で、正常パターンに多くのバリエーションがある場合に有効
学習モデルを
推論環境へ
見つけたい異常部分とそれ以外を大雑把に領域分割した
画像を学習用に数枚用意
正常部分
異常部分
学習・評価用アプリケーション
学習
判定対象のデータを入力
OK
NG!
異常箇所とそれ以外を領域分割することで異常を検出
- 29. 28
正常データでの学習だけじゃない!
gLupe 新機能 – 異常タイプを分類する
異常タイプごとに数十枚~のデータを用いて学習し、異常タイプを
分類するための機能です。
学習 推論
【前提条件】・画像化したときに、目で見て異常タイプを容易に分類できる。
学習モデルを
推論環境へ欠け 割れ
学習・評価用アプリケーション
異常データが数十枚ずつあれば異常タイプを学習可能
欠け 割れ
異常をタイプ毎に分類
- 30. 29
gLupe 導入のススメ
gLupe 開発ライセンスを導入
gLupe を使って自社で自動外観検査システムを
開発したい。
gLupe を組み込んだシステムをお客様に提供し
たい。
gLupe を使って外観検査を自動化するシステム
を開発して欲しい。
自社の製造ラインに gLupe を導入して欲しい。
初期導入サポート
開発サポート
データ解析サービス
開発サービス
データ解析サービス
gLupe を使った開発開始 自動外観検査システムの運用・メンテ開始
- 31. 30
Azure と gLupe
“N”から始まるNVIDIA GPUが
使用できるインスタンス
推論アプリケーション学習アプリケーション
学習時
・学習データを送信してAzure上で学習実施
・学習済みモデルを推論アプリケーションで使用するように設定
推論時
検査したい画像を自動でAzureに送信
OK/NGの結果を受け取る
- 32. 31
Azure と gLupe
“N”から始まるNVIDIA GPUが
使用できるインスタンス
推論アプリケーション学習アプリケーション
学習時
・学習データを送信してAzure上で学習実施
・学習済みモデルを推論アプリケーションで使用するように設定
推論時
検査したい画像を自動でAzureに送信
OK/NGの結果を受け取る
…といった感じで使用できるよう、
今後整備していく予定
乞うご期待…