QA@IT

Deeplearningの分類に関して

11608 PV

夏からDeeplearnngをさわり始めまして今勉強中の身です。特に画像系を勉強しています。
そこで質問させてください。

画像の分類には以下の種類があることは調べてわかりました。
①Classification : 各画像ごとにラベルの分類
②Object Detection : 画像内で検出された各物体領域ごとにラベルの分類
③Segmentation : 画像内の各pixelごとにラベルの分類

例えば正常なもの(例えば食品)に異物が入っているかどうかの検査(その異物がなんなのかはわからない)を行いたい場合に
上記3つのどれに適合するのかがわかりません。

異物が髪の毛だとわかれば、それ以降は②なんでしょうけど髪の毛なのかゴキブリなのかわからない場合に、正常の食品画像は教師できますが
異常の教師ってできませんよね?
こういうケースってどういうアプローチ方法があるか知見がおありの方がいらっしゃればご教授いただきたいです。

回答

テンプレートマッチングなどの従来手法の方が優勢ですね。

どのくらい正常ではないかを認識させるかというニュアンスになるかと思います。

「正常値から外れている度合い」を学習します。あるいは、正常値データを溜めておいて、「正常値データ群にどれくらい近いか」で判定します。

編集 履歴 (0)

私も勉強中(なかなか進みませんが)なので、有益な情報ではないかもしれませんが、
異常検知や故障診断などと呼ばれる分野ですね。

いろいろ手法はあるでしょうが、
機械学習で教師ありで行うなら、既知の異常データと正常データを与えてエラーの特徴を学習させる。
正常データのみを大量に与えて、そこからどの程度外れているかで可否を出させる。
というのが初歩的なアプローチになるんじゃないでしょうか。

間違いを認識させるのではなく、どのくらい正常ではないかを認識させるかというニュアンスになるかと思います。
黒ずんでいるのか、異物なのかまで判断できるかは学習量やあたえるサンプルの量で決まってくると思います。

ディープラーニングに関しては、ニューロンだとか特徴選択について学びが足りないのでコメントできません(機械学習もまだまだ知識が浅いですが)。

編集 履歴 (1)
ウォッチ

この質問への回答やコメントをメールでお知らせします。