教師なしセグメンテーションモジュールの概要
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
