@techreport{oai:ipsj.ixsq.nii.ac.jp:00232713,
 author = {平尾, 寿希 and 川原, 僚 and 岡部, 孝弘 and 大智, 輝 and 佐々木, 雄飛 and Toshiki, Hirao and Ryo, Kawahara and Takahiro, Okabe and Akira, Ochi and Yuuhi, Sasaki},
 issue = {22},
 month = {Feb},
 note = {画像に基づく異常検出は，外観検査の自動化に有用である．特に，学習済み深層学習モデルを用いて抽出した特徴量に基づく異常検出は，少数の正例のみを用いた短時間の学習で比較的高い検出精度を実現できることから注目されている．本研究では，学習済み深層学習モデルを用いた異常検出の精度が，入力画像の良し悪しに依存することに着目して，撮影条件の異なる複数の画像を入力とする手法を提案する．提案手法では，正例のみ，もしくは，正例とごく少数の負例を用いた学習により，複数の画像から抽出した特徴量を最適に重ね合わせて異常検出を行う．学習済み深層学習モデルを用いた異常検出の代表的な手法に特徴量重ね合わせの最適化を組み込み，公開データセッ トを用いた実験を行うことで，提案手法の有効性を示す．},
 title = {学習済み深層学習モデルを用いた異常検出のための特徴量重ね合わせの最適化},
 year = {2024}
}