自社で完結！外観検査AI装置の作り方③ 不良品画像不足への対応と精度を上げる方法 скачать в хорошем качестве

自社で完結！外観検査AI装置の作り方③ 不良品画像不足への対応と精度を上げる方法

【動画概要】 本動画では、前回の動画で作成した外観検査AI装置の問題点であった「不良品画像不足」と「精度（自信度）が低い」という問題に対処する方法をご紹介します。データの水増しとオートエンコーダーを使い不良品画像不足を解消し、その後パイプライン構築にてYOLOv5を用いて精度の向上を達成しています。最後にAIツールとベンダー開発のメリット・デメリットを比較し、AI開発の理想的な流れを説明しております。本動画で用いたプログラムはすべてPythonで開発しています。 ▼本動画はシリーズ動画です。 動画１： 自社で完結！外観検査AI装置の作り方① 1万円から始める外観検査    • 自社で完結！外観検査AI装置の作り方① 1万円から始める外観検査   動画２：自社で完結！外観検査AI装置の作り方② Azureでできる機能追加とその効果    • 自社で完結！外観検査AI装置の作り方② Azureでできる機能追加とその効果   動画３：自社で完結！外観検査AI装置の作り方③ 不良品画像不足への対応と精度を上げる方法    • 自社で完結！外観検査AI装置の作り方③ 不良品画像不足への対応と精度を上げる方法   ▼本動画の流れ 00:00　前回の動画の振り返り 01:07　目次 01:42　動画の目的 02:20　今回実施することの整理 04:00　不良品データが少ない場合① 06:57　不良品データが少ない場合② 09:27　精度が出ない場合 13:07　AIツールとベンダーの比較 14:51　AI開発の理想的な流れ 16:21　まとめ 画像同士の差をとる？と思われた方はこちらの動画をご覧ください。    • 今知りたい！画像解析AIについて   ▼制作に関するサポート依頼やお問い合わせ https://www.kdl.co.jp/contact/