～ ＡＩ機械学習の概要、ディープラーニングの外観検査への応用、レイニングデータの質と量の検討と実験評価、敵対的生成ネットワーク（ＧＡＮ）による画像生成、欠陥画像生成、実画像における欠陥周辺画像の解析と再現、ＧＡＮによる欠陥形状の変更とｉｎｐａｉｎｔｉｎｇ ～
・外観検査において収集が困難な不良画像データを用意するための画像生成技術を修得し、外観検査の精度向上に活かすための講座
|
・教科書的な一般的手法では困難な敵対的生成ネットワークによる欠陥画像生成技術の実例に基づくポイントを修得し、精度の高い外観検査へ応用しよう！ ・ＷＥＢ会議システムの使い方がご不明の方は弊社でご説明いたしますのでお気軽にご相談ください。 |
|
現在、ディープラーニングは画像認識において実用的な成果を挙げています。特に製品の外観検査は、ＤＸ、スマートファクトリにつながる有効な分野と考えられます。ディープラーニングによる外観検査では、画像の取得方法を最適化すること、実用的な認識精度を得るためにトレイニングデータの質と量を最適化することが大きな課題となっています。 本セミナーでは、実際の問題を使用して、前者のために画像取得装置を開発した実例を、後者のために敵対的生成ネットワーク（ＧＡＮ）を使用して、必要な不良品画像を必要な量だけ生成する方法について紹介します。 実用レベルの認識精度を達成するためには教科書的な一般的手法では困難であり、実例に対して経験に基づく複数の観点からの工夫が必要となります。特にＧＡＮは動作させて分かることが多く、どのような不具合が発生するかを知り、それらを乗り越えて適用することが重要です。そのために、我々の約１０年にわたる経験を参考にしていただけることを期待しています。 |
| 開催日時 |
|
|
|---|---|---|
| 開催場所 | オンラインセミナー | |
| カテゴリー | オンラインセミナー、ソフト・データ・画像・デザイン、品質・生産管理・ コスト・安全 | |
| 受講対象者 |
・前半の外観検査へのＡＩの導入：現在、導入を始めた、これから導入したい、と言う聴講者でも十分に理解が可能な内容／後半の画像生成ＡＩによる欠陥画像の増大方法：敵対的生成ネットワークと呼ぶ高度なニューラルネットワークを使用する内容です ・後半は、ＡＩを使用した経験があり、どのような質と量のトレイニングデータを用意し、または作成すれば良いかで具体的に困っている聴講者の方が望ましい内容ですが、もちろんそうでなくても、今後解決すべき問題ですので知識として知っていただけると有効です |
|
| 予備知識 | ・ディープラーニング入門に相当する予備知識があると望ましいですが必須ではありません | |
| 修得知識 |
・製品の外観検査の具体的な例に対して、ディープラーニングをどのように適用して実用レベルに近い検査精度を達成するかの参考知識を習得可能です ・実際の不良画像を収集することが困難な状況で、どのような質と量のトレイニングデータをどのように用意し、作成すれば良いかのヒントとなる知識を習得可能です |
|
| プログラム |
|
|
| キーワード | 外観検査 機械学習 畳み込みニューラルネットワーク イメージカテゴリ分類 自己組織化マップ 敵対的生成ネットワーク サロゲートモデル アノテーション サイズ推定 セグメンテーション 欠陥画像生成 画像生成ＡＩ 自動アノテーション Ｉｎｐａｉｎｔｉｎｇ | |
| タグ | AI・機械学習、検査、品質管理、画像、画像処理、画像認識、データ分析 | |
| 受講料 |
一般 (1名)：49,500円(税込)
同時複数申込の場合(1名)：44,000円(税込) |
|
| 会場 |
オンラインセミナー本セミナーは、Web会議システムを使用したオンラインセミナーとして開催します。 |
営業時間 月~金：9:00～17:00 / 定休日：土日・祝日
