fastFlowAnomalyDetector

FastFlow ネットワークを使用した異常の検出

R2023a 以降

このページをすべて展開する

    説明

    fastFlowAnomalyDetector オブジェクトは、FastFlow 異常検出器ネットワークを使用して異常のイメージを検出します。関数 trainFastFlowAnomalyDetector を使用して検出器に学習させます。異常なイメージを検出するには、学習済みの検出器を関数 classify に渡します。

    メモ

    この機能には Deep Learning Toolbox™ が必要です。この機能には、Deep Learning Toolbox Model for ResNet-18 Network と Automated Visual Inspection Library for Computer Vision Toolbox™ も必要です。これらはアドオン エクスプローラーからインストールできます。アドオンのインストールの詳細については、アドオンの入手と管理を参照してください。

    作成

    構文

    detector = fastFlowAnomalyDetector
    detector = fastFlowAnomalyDetector(Name=Value)

    説明

    detector = fastFlowAnomalyDetector は、ResNet-18 バックボーン ネットワークから FastFlow 異常検出器を作成します。

    例

    detector = fastFlowAnomalyDetector(Name=Value) は、名前と値の引数を使用して、FastFlow 異常検出器の Backbone プロパティ、NumFlowSteps プロパティ、および FlowModelChannelRatio プロパティを指定します。

    たとえば、NumFlowSteps=10 は、FastFlow 検出器のフロー ネットワーク内のステップ数を 10 に設定します。

    プロパティ

    すべて展開する

    この プロパティ は読み取り専用です。

    ベースの特徴抽出ネットワークとして機能する事前学習済みのバックボーン ネットワーク。dlnetwork (Deep Learning Toolbox) オブジェクトとして指定します。ネットワークは単一の入力を受け入れ、1 つ以上の出力を生成しなければなりません。Backbone プロパティを指定しない場合、fastFlowAnomalyDetector は ResNet-18 ネットワークをバックボーン特徴抽出ネットワークとして使用します。

    このプロパティの値を設定するには、オブジェクトの作成時に指定しなければなりません。

    データ型: dlnetwork

    この プロパティ は読み取り専用です。

    FastFlow 検出器のフロー ネットワーク内のステップ数。正の整数として指定します。フロー ネットワークのステップ数を増やすと、より多くの学習可能なパラメーターを取得できますが、メモリ コストが増加し、コンピューティング リソースの使用量が増える可能性があります。

    このプロパティの値を設定するには、オブジェクトの作成時に指定しなければなりません。

    この プロパティ は読み取り専用です。

    フロー ネットワークでチャネルが分割された後の入力サブネット層と出力サブネット層で使用される入力チャネルと隠れチャネルの比率。正の数値スカラーとして指定します。FlowModelChannelRatio の値を増やすと、検出メトリクスが改善しますが、メモリ コストが増加し、コンピューティング リソースの使用量が増える可能性があります。

    このプロパティの値を設定するには、オブジェクトの作成時に指定しなければなりません。

    異常のしきい値。数値スカラーとして指定します。しきい値の値は、関数 classify を呼び出す前に設定しなければなりません。しきい値は、関数 anomalyThreshold を使用して計算できます。

    この プロパティ は読み取り専用です。

    ネットワーク層。Layer オブジェクトの配列として指定します。

    この プロパティ は読み取り専用です。

    ネットワーク入力層の名前。文字ベクトルの cell 配列として指定します。

    この プロパティ は読み取り専用です。

    ネットワーク出力層の名前。文字ベクトルの cell 配列として指定します。

    この プロパティ は読み取り専用です。

    ネットワークの状態。3 列の table として指定します。

    • Layer — 層の名前。string スカラーとして指定

    • Parameter — 状態パラメーターの名前。string スカラーとして指定

    • Value — 状態パラメーターの値。dlarray オブジェクトとして指定

    層の状態には、層処理中に計算された情報が格納されます。この情報は、層の後続のフォワード パスで使用するために保持されます。たとえば、LSTM 層のセル状態と隠れ状態、またはバッチ正規化層の実行中の統計が格納されます。

    この プロパティ は読み取り専用です。

    ネットワークの学習可能なパラメーター。3 列の table として指定します。

    • Layer — 層の名前。string スカラーとして指定

    • Parameter — パラメーターの名前。string スカラーとして指定

    • Value — パラメーターの値。dlarray オブジェクトとして指定

    ネットワークの学習可能なパラメーターには、ネットワークが学習する特徴が格納されます。たとえば、パラメーターには畳み込み層と全結合層の重みが含まれます。

    オブジェクト関数

    predictPredict unnormalized anomaly scores
    classifyClassify image as normal or anomalous
    anomalyMapPredict per-pixel anomaly score map

    例

    すべて折りたたむ

    この例では次を使用します。

    ライブ スクリプトを開く

    fastFlowAnomalyDetector オブジェクトを作成します。

    detector = fastFlowAnomalyDetector
    detector = 
  fastFlowAnomalyDetector with properties:

    Threshold: []

    参照

    [1] Yu, Jiawei, Ye Zheng, Xiang Wang, Wei Li, Yushuang Wu, Rui Zhao, and Liwei Wu. "FastFlow: Unsupervised Anomaly Detection and Localization via 2D Normalizing Flows." arXiv, November 16, 2021. https://doi.org/10.48550/arXiv.2111.07677.

    [2] He, Kaiming, Xiangyu Zhang, Shaoqing Ren, and Jian Sun. “Deep Residual Learning for Image Recognition.” In 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 770–78. Las Vegas, NV, USA: IEEE, 2016. https://doi.org/10.1109/CVPR.2016.90.

    拡張機能

    すべて展開する

    バージョン履歴

    R2023a で導入

    すべて展開する

    参考

    | |

    トピック