fcddAnomalyDetector

異常検出のための完全畳み込みデータ記述 (FCDD) ネットワークを使用した異常の検出

R2022b 以降

このページをすべて展開する

    説明

    fcddAnomalyDetector オブジェクトは、完全畳み込みデータ記述 (FCDD) ネットワークを使用して異常のイメージを検出します。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™ と Automated Visual Inspection Library for Computer Vision Toolbox™ が必要です。Automated Visual Inspection Library for Computer Vision Toolbox 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 = fcddAnomalyDetector(network)

    説明

    detector = fcddAnomalyDetector(network) は、ベースの特徴抽出バックボーン ネットワークから FCDD 異常検出器を作成します。

    例

    入力引数

    すべて展開する

    ベースの特徴抽出バックボーンとして機能するネットワーク。dlnetwork (Deep Learning Toolbox) オブジェクトとして指定します。pretrainedEncoderNetwork 関数を使用して、GoogLeNet や ResNet-18 などのいくつかのよく知られた事前学習済みネットワークの dlnetwork を作成できます。

    プロパティ

    すべて展開する

    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します。

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

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

    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します。

    • Parameter – パラメーター名。string スカラーとして指定します。

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

    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した特徴が格納されます。たとえば、畳み込み層や全結合層の重みが格納されます。

    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

    ResNet-18 バックボーンを使用して fcddAnomalyDetector オブジェクトを作成します。

    backbone = pretrainedEncoderNetwork("resnet18",3);
detector = fcddAnomalyDetector(backbone)
    detector = 
  fcddAnomalyDetector with properties:

      Threshold: []
         Layers: [43×1 nnet.cnn.layer.Layer]
     InputNames: {'data'}
    OutputNames: {'fcddHeadPseudoHuber'}
          State: [4×3 table]
     Learnables: [10×3 table]

    参照

    [1] Liznerski, Philipp, Lukas Ruff, Robert A. Vandermeulen, Billy Joe Franks, Marius Kloft, and Klaus-Robert Müller. "Explainable Deep One-Class Classification." Preprint, submitted March 18, 2021. https://arxiv.org/abs/2007.01760.

    拡張機能

    すべて展開する

    バージョン履歴

    R2022b で導入

    すべて展開する

    参考

    | |

    トピック