文献

J-GLOBAL ID：202102245956964247   整理番号：21A0967985

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~深層学習モデルにより抽出された特徴表現の有効性検証~

A Note on Estimating of Deteriorated Refions Based on Anomaly Detection from Rubber Material Electron Microscope Images-Verification of Feature Representations Extracted from Deep Learning Models-

著者 (4件)： 松本真直 (北大 大学院情報科学院) ,  藤後廉 (北大 数理・データサイエンス教育研究セ) ,  小川貴弘 (北大 大学院情報科学研究院) ,  長谷山美紀 (北大 大学院情報科学研究院)
資料名： 映像情報メディア学会技術報告
巻： 45  号： 4(MMS2021 1-28/ME2021 1-28/AIT2021 1-28)  ページ： 43-46  発行年： 2021年02月11日 
JST資料番号： S0209A  ISSN： 1342-6893  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 本文では,転移学習に基づく異常検知を利用した電子顕微鏡により撮像されたゴム材料における劣化領域の推定手法について検討する.耐久寿命の長いゴム材料の開発のためには,ゴム材料の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る.中でも,深層学習は画像処理に関する多くのタスクにおいて高い精度を実現しており,この技術を応用することでゴム材料の劣化の原因についての新たな知見の獲得が期待される.しかしながら,ゴム材料の劣化は,電子顕微鏡画像から観察可能であるものの,大量のデータの取得は困難であり,学習に大量のデータを必要とする深層学習技術の利用に適していない.そこで本文では,深層学習に基づく特徴表現を利用することで,上記の問題を解決する.一般画像を用いて事前学習済みの深層学習モデルより得られる特徴表現はその表現能力の高さから種々の研究において活用されている.本文では,このような事前学習済みの深層学習モデルを利用することで,ゴム材料から深層学習に基づく特徴を取得することが可能となる.最終的に,得られた特徴を用いて異常検知を行うことで,劣化領域の推定を実現可能とする.本文では,高精度な劣化領域の推定の実現のため,特徴表現の抽出に用いる深層学習モデルについて検討を行う.(著者抄録)

シソーラス用語： 画像処理 ,  *画像処理システム ,  *映像 ,  評価試験 ,  検出 ,  異常診断 ,  電子顕微鏡 ,  撮像 ,  材料 ,  *ゴム ,  画像 ,  *機械学習 ,  劣化
準シソーラス用語： 異常検知 ,  *ゴム材料 ,  電子顕微鏡画像 ,  顕微鏡画像 ,  *深層学習

分類 (4件)： 図形・画像処理一般  (JE04010I) ,  信頼性  (KB04040H) ,  ゴム・プラスチック材料  (HC06030K) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (10件)： 電子顕微鏡 ,  撮像 ,  ゴム材料 ,  異常検知 ,  推定 ,  深層 ,  学習モデル ,  特徴表現 ,  有効性 ,  検証