画像認識– tag –

どうもニコイチです。近年、AI技術の発展により、画像認識を活用した品質検査がさまざまな分野で利用されています。製造業では、工場の生産ラインでカメラを使って製品の欠陥を自動検出するシステムが導入されるなど、その応用範囲は広がっています。 本シ...

どうもニコイチです。これまでの流れでは、以下のように段階的に進めてきました。 はじめに 画像読み込みと欠損の確認 画像の特徴理解 集めたデータの確認 データセット作成 転移学習なしのモデルの選定と作成 転移学習なしのモデル学習 転移学習なしの学...

どうもニコイチです。今回のテーマは「転移学習あり」のモデルを使って画像の欠陥を検出する仕組みを作る方法です。前回までは「転移学習なし」で学習させたモデルの推論を試してみましたが、転移学習を導入するとどうなるのかを学んでいきましょう。 なぜ...

どうもニコイチです。前回（転移学習なしのモデル学習)では、転移学習を使わないモデルを学習させるところまで進めました。今回は、その学習済みモデルを使って未知の画像データに対して推論(分類予測)を行う方法を学んでいきましょう。 推論用データの準...

どうもニコイチです。前回の「ResNetを使った転移学習なしのモデルの選定と作成」では、転移学習を使わないモデルをどのように選び、構築するかを学びました。今回はいよいよそのモデルを実際に学習させる手順を確認していきます。モデルの学習はやや複雑...

どうもニコイチです。前回は「データセット作成」を行いました。今回はいよいよ、転移学習を行わない場合のモデルをどのように選定し、作成していくかを見ていきましょう。このシリーズのゴールは、鋳造製品の画像から欠陥を検出するモデルを作ることです...

どうもニコイチです。第3回までの前回の記事では、画像の特徴理解に向けて各種画像加工（反転、コントラスト調整、ぼかし、エッジ検出）を実践しました。今回の「4.集めたデータの確認」では、実際に用意された画像データ（鋳造画像データ）がどこにあり、...

どうもニコイチです。第三回の本記事では、画像認識モデルの精度向上のために、画像の特徴を理解しやすくするさまざまな加工（データオーギュメンテーション）の手法を紹介します。具体的には、画像の反転、コントラスト調整・モザイク・ぼかし、そしてエ...

どうもニコイチです。近年、AI技術の発展により、画像認識を活用した品質検査がさまざまな分野で利用されています。製造業では、工場の生産ラインでカメラを使って製品の欠陥を自動検出するシステムが導入されるなど、その応用範囲は広がっています。 本シ...