【外観検査の知識】ディープラーニング（物体認識）における検証
AI（ディープラーニング）における検証の進め方について説明します。
ディープラーニングによる画像認識・検査導入を検討する企業様からよく質問をいただくのが「何枚の画像を用意すれば検査できるのか？」という点。 結論から言うと、「明確には断定できない」が実情です。なぜなら、対象物の見た目（色・形・角度など）や変化する特徴の複雑さに応じて、必要なデータ量は大きく変動するからです。 本記事では、検証の基本プロセスを以下のように整理しています： 検査対象の製品を撮影し、まず数百枚程度の画像を収集（たとえば200枚を目安に） そのうちの半数を選び、対象物に対して「アノテーション」を付与 アノテーション済みデータを学習データとしてAIに学習させ、残り画像で検証（認識できるかテスト） 誤認識や認識漏れがあれば、画像数を増やしたり、アノテーションを見直したりして再試行 このような「データ拡張 → 学習 → 検証 → 再調整」を、満足できる精度が得られるまで繰り返す ※詳しくは関連リンク（ブログ）をご覧ください。
- 企業：株式会社スカイロジック
- 価格：応相談
