Main Content

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

    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

    すべて展開する

    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

    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。

    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

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

    すべて折りたたむ

    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

    バージョン履歴

    R2023a で導入

    すべて展開する