教師なし学習でも「世界最高クラス」の精度で不良品を見分ける画像分類AI：人工知能ニュース

東芝は2021年4月28日、教師なし学習でも高精度でグループ化できる画像分類AI（人工知能）を開発したと発表。ラベル付け作業を行っていない画像データから、高精度に不良品や製品欠陥を検出することが可能になる。

[池谷翼，MONOist]

　東芝は2021年4月28日、教師なし学習でも高精度でグループ化できる画像分類AI（人工知能）を開発したと発表した。ラベル付け作業を行っていない画像データから、高精度に不良品や製品欠陥を検出することが可能になる。

教師なし学習の分類精度向上に貢献

　今回東芝が発表した画像分類AIは、分類基準を指定するラベル付けを行っていない画像から有効な特徴を抽出、学習して、それに基づいた画像分類を高精度で実行するものである。

　この画像分類AIは、1枚の画像を1つの分類基準とする「疑似的な教師あり学習」を行う。これによって背景のように多くの画像に表れるものを除き、一部の画像にだけ存在する特徴を抽出できる。加えて学習時には、抽出する特徴が重複しないようにする独自の学習基準を設定しており、これによって画像内の特徴からグループ化に有効な特徴量が作成できるという。

　現在、製造業ではAIによる画像分類を活用した外観検査や不良品検知プロセスの自動化、効率化が注目されている。特に期待されているのが教師なし学習を用いたAIだ。AIの学習方法には「教師あり学習」と「教師なし学習」の2種類があるが、教師なし学習は事前に分類基準を設定する手間が掛からないため、運用、導入コストの抑制が見込めると期待されている。

　ただし、従来の教師なし学習はAIの分類精度に課題があった。例えば外観検査の場合、本来検出するべき傷やほこりなどの異物ではなく、それ以外の背景領域が画像の大半を占めている。このため、分類基準を設定しない場合、背景に含まれる特徴も一緒に学習してしまうため分類精度が低下しかねない。

　こうした課題を解決し得るのが、今回発表された画像分類AIである。実際に、この画像分類AIを活用して公開画像データセット「ImageNet-10」を用いたグループ化実験を行ったところ、オートエンコーダーを用いる従来技術を使用した場合は71.0％だった分類精度が95.4％に向上し、「世界トップレベル」（東芝）の性能を達成したという。

図は公開データセットである「CIFAR-10」を用いて画像分類AIを適用した結果。さまざまな背景領域を持つ画像から特徴量を抽出して「犬」「猫」などグループ化している＊出典：東芝［クリックして拡大］

　今後は製造現場での検査工程や製品に適用しながら、性能実証を進める予定だ。また、東芝デジタルソリューションズが展開する製造業向けソリューション「Meisterシリーズ」にも取り入れる方針だという。

CIFAR-10を用いたところ、さまざまな背景の猫の画像を同一グループに分類した＊出典：東芝［クリックして拡大］

⇒その他の「人工知能ニュース」の記事はこちら