このページの内容は最新ではありません。最新版の英語を参照するには、ここをクリックします。

patchCoreAnomalyDetector

PatchCore ネットワークを使用した異常の検出

R2023a 以降

説明

patchCoreAnomalyDetector オブジェクトは、PatchCore 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 trainPatchCoreAnomalyDetector 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™ と Computer Vision Toolbox™ Automated Visual Inspection Library が必要です。Computer Vision Toolbox Automated Visual Inspection Library 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 = patchCoreAnomalyDetector

detector = patchCoreAnomalyDetector(Backbone=backbone)

説明

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

detector = patchCoreAnomalyDetector(Backbone=backbone) は、PatchCore 異常検出器の作成元になるベースの特徴抽出バックボーン ネットワークを指定します。

入力引数

backbone — 事前学習済みバックボーン ネットワークの名前

"resnet18" (既定) | "resnet50" | dlnetwork オブジェクト

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バックボーン ネットワークの名前。dlnetwork (Deep Learning Toolbox) オブジェクトまたは次のいずれかの値として指定します。

• "resnet18" — ResNet-18 畳み込みニューラル ネットワーク。詳細については、resnet18 (Deep Learning Toolbox)を参照してください。

• "resnet50" — ResNet-50 畳み込みニューラル ネットワーク。詳細については、resnet50 (Deep Learning Toolbox)を参照してください。

選択した事前学習済みネットワークに関連付けられたアドオンをインストールしなければなりません。

ネットワークを dlnetwork (Deep Learning Toolbox) オブジェクトとして指定する場合、ネットワークは単一の入力を受け入れ、1 つ以上の出力を返さなければなりません。

データ型: char | string | dlnetwork

プロパティ

Threshold — 異常のしきい値

[] (既定値) | 数値スカラー

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。

ImageSize — イメージ サイズ

[] (既定値) | 3 要素の数値の行ベクトル

この プロパティ は読み取り専用です。

学習と推論に使用されるイメージのイメージ サイズ。3 要素の数値の行ベクトルとして格納されます。関数 trainPatchCoreAnomalyDetector は学習の際、学習イメージのサイズを示す ImageSize プロパティを設定します。イメージ サイズは backbone の入力層サイズと異なる場合があります。

メモ

検出器を使用する場合、推論におけるイメージ サイズと学習中に使用されるイメージ サイズは一致していなければなりません。

オブジェクト関数

predict	Predict unnormalized anomaly scores
classify	Classify image as normal or anomalous
anomalyMap	Predict per-pixel anomaly score map

例

PatchCore 異常検出器の作成

ResNet-50 バックボーン ネットワークから patchCoreAnomalyDetector オブジェクトを作成します。

detector = patchCoreAnomalyDetector(Backbone="resnet50")

detector = 
  patchCoreAnomalyDetector with properties:

    Threshold: []
    ImageSize: []

参照

[1] Roth, Karsten, Latha Pemula, Joaquin Zepeda, Bernhard Schölkopf, Thomas Brox, and Peter Gehler. “Towards Total Recall in Industrial Anomaly Detection.” arXiv, May 5, 2022. https://arxiv.org/abs/2106.08265.

拡張機能

C/C++ コード生成

MATLAB® Coder™ を使用して C および C++ コードを生成します。

使用上の注意および制限:

• コード生成用に patchCoreAnomalyDetector オブジェクトを準備するには、vision.loadPatchCoreAnomalyDetector を使用します。

• オブジェクト関数 predict、classify、および anomalyMap がサポートされています。

GPU コード生成

GPU Coder™ を使用して NVIDIA® GPU のための CUDA® コードを生成します。

使用上の注意および制限:

• GPU コード生成用に patchCoreAnomalyDetector オブジェクトを準備するには、vision.loadPatchCoreAnomalyDetector を使用します。

• オブジェクト関数 predict、classify、および anomalyMap がサポートされています。

バージョン履歴

R2023a で導入

R2024a: バックボーン ネットワークを dlnetwork オブジェクトとして指定するオプション

入力引数 backbone を使用して、バックボーン特徴抽出ネットワークを dlnetwork オブジェクトとして指定します。たとえば、カスタム dlnetwork (Deep Learning Toolbox) オブジェクト dlnet が指定されている場合、引数 Backbone は dlnet をバックボーン特徴抽出ネットワークとして指定します。

参考

trainPatchCoreAnomalyDetector | anomalyThreshold | evaluateAnomalyDetection

トピック

• Getting Started with Anomaly Detection Using Deep Learning
• Localize Industrial Defects Using PatchCore Anomaly Detector