| 講演抄録／キーワード |
| 講演名 |
2019-02-20 09:30
電子顕微鏡により撮像されたゴム材料からの異常検知に基づく劣化領域の推定に関する一検討
○藤後 廉・小川貴弘・長谷山美紀（北大） |
| 抄録 |
（和） |
本文では，電子顕微鏡により撮像されたゴム材料からの異常検知に基づく劣化領域の推定について検討する．耐久寿命の長いゴム材料を開発するためには，劣化の原因を明らかにすることが重要であり，機械学習技術の応用が期待されている．ゴム材料の劣化は，電子顕微鏡画像から観察可能ではあるものの，大量データの取得は困難である．そこで本文では，劣化の生じていない画像領域のみを学習に用いた劣化領域推定手法を提案する．提案手法では，電子顕微鏡画像をパッチ分割し，パッチ毎にDeep Autoencoding Gaussian Mixture Model (DAGMM) により次元削減および密度推定を学習する．さらに，DAGMMに基づき異常度を各パッチに対して算出することで，異常検知を実現する．また，実験により提案手法の有効性について検証する． |
| （英） |
This paper presents an anomaly detection method for estimation of deteriorated regions from rubber material electron microscope images. In order to develop rubber materials with high durability, it is important to clarify the cause of deterioration. Although deterioration of the rubber materials can be observed from electron microscope images, it is difficult to obtain a large number of deteriorated data. Hence, we propose a deteriorated region estimation method using only non-deteriorated images, namely, anomaly detection. The proposed network consists of a recently proposed Deep Autoencoding Gaussian Mixture Model (DAGMM) model which can achieve a dimensionality reduction task and a density estimation task simultaneously. We show the effectiveness of our framework in the task of estimation of deteriorated regions from rubber material electron microscope images. |
| キーワード |
（和） |
領域推定 / 異常検知 / 少量データ / 深層学習 / ゴム材料 / / / |
| （英） |
Region estimation / anomaly detection / small amount data / deep learning / rubber materials / / / |
| 文献情報 |
映情学技報, vol. 43, no. 5, ME2019-49, pp. 265-268, 2019年2月. |
| 資料番号 |
ME2019-49 |
| 発行日 |
2019-02-12 (MMS, HI, ME, AIT) |
| ISSN |
Print edition: ISSN 1342-6893 Online edition: ISSN 2424-1970 |
| PDFダウンロード |
|
|