はじめまして。
工業製品で不良品(形が不揃い)の異常検知を
*機械学習
*教師なし学習(できれば深層学習)
*画像データから判別
の条件で処理する良い方法を教えてください。
言語はtensolflowです。
入力データが数値の場合(例えば株価の値が飛んでる)
の処理のイメージはわきますが、
画像データから異常検知する場合がわかりません。
(例えば、K-means 法は画像に適用できるのでしょうか?)
よろしくお願いします。
追記:
お返事ありがとうございます。
教師あり学習(CNN)の場合の精度は約95%ですが、
未知の不良品(形が不揃い)での精度が不明で
教師なし学習を希望されています。
困りました。。。
その通り、不良品の画像を全て準備するのは恐らく無理ですね(たかだか10px * 10 px * 8bit * 3chのイメージの場合でも、膨大な数:256^100*3?があり、うち良品が何通り、不良品が何通り、全く製品とは関係ない画像がどれだけなんだ、という話です)。だから今般MNISTなりIMAGENETなどでCNNが注目されていると思っていました。CNNでも「あり得る画像全て」を学習しなくても、無い部分は推し量って評価しますよね。これに対して、教師なし学習でも似たようなことができますが、単に「CNNでは95%以上の性能は見込めないと思われた」のか、「問題への切り口を変えてみるか!とされた」のか、「ぽっと出の興味で教師なし学習でどうだ?と言われた」なのか、もっと別の勝算があったのか、その辺を聞きたかっただけです。
週明けに、先方に聞いてみます。
回答2件
あなたの回答
tips
プレビュー