教師なしセグメンテーションモジュールの概要

現在ご覧いただいているのは最新版の内容です(V2.6.2)。異なるバージョンを参照する場合は、画面右上のボタンから切り替えが可能です。

■ ご利用中のバージョンが分からない場合や、サポートが必要な場合はお気軽にサポート窓口までご連絡ください。

教師なしディープラーニングとは、ラベル付けされたデータがない状態で、モデルにデータから自動的にパターンや構造、特徴を学習させる機械学習の方法です。教師なしセグメンテーションモジュールは、OK 画像の一貫性が高い欠陥検出プロジェクトに適用されます。ユーザーは画像が OK か NG か(NG は必須ではない)をラベル付けするだけで、NG 画像内の欠陥の具体的な輪郭をラベル付けする必要はありません。データセット内の画像が OK、NG、または Unknown(不明)のいずれであるかを判定し、さらにヒートマップでおおよその欠陥領域を表示します。

教師なしセグメンテーションは、OK 画像の一貫性が高く、欠陥の種類が多くて列挙できない場合に適しています。欠陥位置決めが不要で欠陥の種類が既知のデータに適用します。対して画像分類アルゴリズムモジュールは、欠陥の位置特定が不要で、欠陥は全部既知のデータに適しています。
動画:教師なしセグメンテーションモデルのトレーニングと使用

使用シーン

工業品質検査:対象物の欠陥の形状や位置、サイズが確認できず、OK 画像同士の差が小さいシーン。

uncertain defects

実行手順

introduction application flow

この情報は役に立ちましたか?

ご意見・ご要望がございましたら、以下よりお寄せください:

Mech-Mindは、お客様のプライバシーを重視しています

このサイトでは最高の体験を提供するために Cookie を使用しています。サイトの閲覧を続ける場合、Cookie の使用に同意したことになります。「拒否する」を選択すると、このサイトを訪れた際に追跡や記憶が行われないように単独の Cookie が使用されます。