……Zoomオンライン受講
……見逃し視聴選択可
●AI検査の基礎である異常検知の考え方、Zero-shot（学習データなし）手法、Few-shot（少量学習データ）手法、数10枚程度の高性能検査AIの解説、特性、導入方法についてお話させていただきます。
講師
岐阜大学 工学部 教授 加藤 邦人 氏
講師紹介
■略歴：
1996年中京大院情報科学研究科修士課程修了．現在，岐阜大学工学部教授．2011年米国メリーランド大学Faculty Staff．2019年岐阜大学人工知能研究推進センターセンター長。画像処理，コンピュータビジョンの研究に従事．多数の企業との共同研究をとおし、ディープラーニングの実応用の研究を行う。電子情報通信学会，電気学会，精密工学会会員．博士(情報認知科学)．
■専門および得意な分野・研究：
コンピュータビジョン、画像認識。深層学習の基礎理論と実応用。特に外観検査で多数の論文発表、学会での受賞
■本テーマ関連学協会でのご活動：
画像センシング技術研究会組織委員会ステアリングコミッティ委員
精密工学会画像応用技術専門委員会委員
＜その他関連商品＞
機械学習・AI・データ分析 一覧はこちら
日時・受講料・お申込みフォーム
●日時：2026年8月21日(金) 13:00-17:00 ＊途中、小休憩を挟みます。
●受講料：
【オンライン受講（見逃し視聴なし）】：1名 46,200円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき35,200円
【オンライン受講（見逃し視聴あり）】：1名 51,700円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき40,700円
＊「見逃し視聴あり」でお申込の場合、当日のご参加が難しい方も後日セミナー動画の視聴が可能です。
＊学校法人割引：学生、教員のご参加は受講料50％割引。→「セミナー申込要領・手順」を確認ください。
＊5名以上でのお申込の場合、更なる割引制度もございます。
ご希望の方は、以下より別途お問い合わせ・お申込みください。
req@*********（*********にはjohokiko.co.jpを入れてください）
お申込みはこちらから
商品コード：AD2608E8
配布資料・講師への質問など
●配布資料はPDFなどのデータで配布いたします。ダウンロード方法などはメールでご案内いたします。
・配布資料に関するご案内は、開催1週前～前日を目安にご連絡いたします。
・準備の都合上、開催1営業日前の12:00までにお申込みをお願いいたします。
（土、日、祝日は営業日としてカウントしません。）
・セミナー資料の再配布は対応できかねます。必ず期限内にダウンロードください。
●当日、可能な範囲でご質問にお答えします。（全ての質問にお答えできない可能性もございます。何卒ご了承ください。）
●ご受講に際しご質問・要望などございましたら、下記メールアドレス宛にお問い合わせください。
req@*********（*********にはjohokiko.co.jpを入れてください）
オンラインセミナーご受講に関する各種案内（必ずご確認の上、お申込みください。）
※メールアドレスの記載誤りについては、以下へご連絡お願いいたします。
req@*********（*********にはjohokiko.co.jpを入れてください）
→Skype／Teams／LINEなど別のミーティングアプリが起動していると、Zoomで音声が聞こえない、カメラ・マイクが使えないなどの事象が起きる可能性がございます。お手数ですが、これらのアプリは閉じた状態にてZoomにご参加ください。
→音声が聞こえない場合の対処例
→一部のブラウザは音声が聞こえないなどの不具合が起きる可能性があります。
対応ブラウザをご確認の上、必ず事前のテストミーティング をお願いします。
（iOSやAndroidOS ご利用の場合は、アプリインストールが必須となります）
→見逃し視聴について、 こちらから問題なく視聴できるかご確認ください。（テスト視聴動画へ）パスワード「123456」
＜見逃し視聴ご案内の流れ・配信期間詳細＞
セミナーポイント
■はじめに
近年、ディープラーニングによる画像認識は目覚ましい発展を遂げており、これらの成果は実利用の段階に入っています。工場などの生産現場では、古くから画像認識による外観検査が導入されていますが、これらにディープラーニングを導入することで飛躍的に精度が向上した事例が報告されています。また、最近の生成AIが獲得した広い知識をもとに、ごく少量の学習サンプルで高精度な検査を実現する手法が多数登場してきています。本セミナーでは、AI検査の基礎である異常検知の考え方、Zero-shot（学習データなし）手法、Few-shot（少量学習データ）手法、数10枚程度の高性能検査AIの解説、特性、導入方法についての講演を行う。
■ご講演中のキーワード：
外観検査、生成AI、異常検知、Vision Language Model
■受講対象者：
・ディープラーニングの知識があることが望ましいが、セミナーは前提知識がなくてもある程度理解できるよう構成しています。
■必要な予備知識や事前に目を通しておくと理解が深まる文献、サイトなど：
・深層学習の基礎知識。多層パーセプトロン、畳み込みニューラルネットワークの基礎知識があればさらに理解が深まる
■本セミナーで習得できること：
深層学習を用いた異常検知の考え方と、その技術
最新の検査AI手法
現場への導入法、評価方法
セミナー内容
1 外観検査AIの全体像
1.1 外観検査における画像認識の役割
1.2 必要な学習データ量から見た手法分類
2 従来型のAI外観検査
2.1 CNNによる2クラス分類
2.2 局所パッチによる欠陥検出
2.3 従来手法の長所と限界
3 良品のみを使う異常検知
3.1 オートエンコーダによる異常検知
3.2 Deep SVDD／Deep SAD
3.3 PaDiM／PatchCore
3.4 現場導入での注意点
4 少数データ・ゼロデータでの検査
4.1 Few-shot検査の考え方
4.2 Zero-shot検査の考え方
4.3 CLIP系手法の概要
5 生成AIを用いた外観検査
5.1 欠陥画像生成の考え方
5.2 Anomaly Diffusion／GLASS
5.3 DiffusionAD
5.4 生成AI活用の可能性と限界
6 LLM・VLMによる外観検査
6.1 画像と言語を使った検査指示
6.2 AnomalyGPTなどの研究動向
6.3 汎用外観検査AIへの期待
7 運用方法
7.1 データの集め方とデータの重要性
7.2 データ拡張
7.3 異常検知手法の選択方法
7.4 学習方法
7.5 異常検知における性能評価（Confusion matrix、ROCカーブとAUC、性能評価法）
7.6 チューニング方法
8 まとめ
お申込みはこちらから
