【東芝】学習データが十分にない産業分野においても、少数の実画像による「事前学習」で、迅速かつ高精度に解析する「画像解析AI」を開発

[画像4]https://digitalpr.jp/simg/1398/101135/600_338_202412171004286760ce1c18f4e.png



図4：非自然画像公開データセットを用いた識別タスクでの評価結果

今後の展望
　本AIを用いることで、学習データとなる実画像が少なく、AIの導入を諦めていたさまざまな現場で画像解析AIを活用できるようになります。少数の画像で自動検査ラインを立ち上げたい工場や、少数の生体画像で病気の有無を判別したい医師・医用機器メーカー、少数の顕微鏡画像で自動識別機能を実現したい医薬品・化粧品メーカーなど、さまざまな産業分野の発展に寄与できるものです。
　当社は今後、東芝デジタルソリューションズ（株）と連携し実証を進めるとともに、さらなる精度向上を進め、早期の実用化を目指します。

*1 本文中の画像の出典は以下の通り。
自然画像： Li, F.-F., Andreeto, M., Ranzato, M., & Perona, P. Caltech 101 (1.0) [Data set]. CaltechDATA. https://doi.org/10.22002/D1.20086.
(2022)

赤外線画像：Ashfaq, Q., Akram, U., Zafar, R.: Thermal image dataset for object classification.
https://data.mendeley.com/datasets/btmrycjpbj
(2021)

顕微鏡画像：Yang, J., Shi, R.,Wei, D., Liu, Z., Zhao, L., Ke, B., Pfister, H., Ni, B.: Medmnist v2-
a large-scale lightweight benchmark for 2d and 3d biomedical image classification.
Scientific Data 10(1), 41 (2023)

ウェハ画像：Wu, M.J., Jang, J.S.R., Chen, J.L.: Wafer map failure pattern recognition and
similarity ranking for large-scale data sets. IEEE Transactions on Semiconductor
Manufacturing 28(1), 1–12 (2015)