畳み込みニューラルネットワーク · CNN
Convolutional Neural Network
畳み込みニューラルネットワークとは?
- 画像の局所的な特徴を段階的に捉える
- 線→形状→物体の順に積み上げて認識
- コンピュータービジョンの主役
CNNが変えたのは「特徴を誰が作るのか」です。以前は、エンジニアがエッジの向きや明るさの変化を測る数式を手で設計しており、製品が変わるたびにその数式を一から書き直していました。CNNは、その数式に当たるフィルター値そのものを学習の対象に変えました。そのため現場が変わったときはコードではなくデータを入れ替える方式へと仕事の性質が移り、開発のボトルネックはアルゴリズムではなく、ラベルの付いた画像の確保になりました。実務では、この違いが「アルゴリズム開発6か月」と「データ収集6週間」の差として現れます。
構造は一般に、畳み込み層、プーリング層、そして判定を担う全結合層に分かれます。3×3サイズのフィルター1つが画像全体を走査するため、同じ規模の全結合ニューラルネットワークより学習すべき値が数百分の1に減り、対象が写真の左にあっても右にあっても同じフィルターが反応します。実務では、ゼロから学習させるケースはまれです。ImageNetの120万枚であらかじめ学習させたモデルを持ってきて、後段だけを再訓練する転移学習が基本で、社内画像が数千枚程度であれば、たいていこの方法で十分です。最近は視覚用のトランスフォーマー(ViT)が大規模データセットで先行していますが、数千枚規模の社内データではCNNが依然として安定しています。
最もよくある失敗は、検証精度だけを見てラインに載せることです。不良率1%の工程では全部良品と判定しても精度は99%になるため、本当に見るべき数字は未検出を減らす再現率です。またCNNは位置の変化にはある程度強いものの、回転・拡大・照明の色温度の変化には自動的に強くなるわけではなく、夜間照明に変えた後で検出率が急落することがよくあります。同じ製品を撮った連続フレームが学習用と検証用に分かれて入ると、実際よりずっと高いスコアが出るデータリークが起き、ライン投入後に本当の性能が明らかになります。判断の根拠が見えないという誤解も多いのですが、Grad-CAMのようなツールを使えば、モデルがどの部位を見て不良と判断したかをヒートマップで確認できます。
1989年のヤン・ルカン(Yann LeCun)の研究で基礎が築かれ、2012年にAlexNetが大会で優勝して、ディープラーニング時代が開かれました。
架空の事例で見てみましょう。従業員240名、年間売上780億ウォン(約932,802万円)の自動車射出成形部品メーカーA社は、外観検査を検査員6名が目視で行ってきました。1日3万個を目で選別していたため、傷のある製品が流出して顧客からのクレームが年4件発生し、1件あたりの全数選別コストだけで2,000万ウォン(約239万円)かかっていました。品質チームは、CNNによる外観検査の導入を3か月のプロジェクトとして提案しました。
- 品質チームのイ部長が3年分の検査記録を調べましたが、ラベルの付いた実際の不良画像は1,200枚しかありませんでした。良品の写真は28万枚でした。
- 生産技術のキム課長は、学習より撮影用の治具が先だと言いました。「照明の角度が毎日違うのに、何を学習するんですか」と言い、2週間にわたって照度と距離を固定しました。
- 外部業者が事前学習済みのResNet-50に、不良品の画像1,200枚を回転・明るさ増強で9,600枚まで増やして微調整したところ、3週間で検証精度97%が出ました。
- 報告の場で代表取締役が「見逃した不良は何個か」と尋ね、未検出が18件あることが明らかになりました。再現率を基準に判定しきい値を下げ、過検出を受け入れることにしました。
- 6か月後、流出クレームは年4件から0件になり、検査員6名のうち4名は再検査・梱包工程へ配置転換されました。代わりに過検出の3.2%は人が2次確認します。
イム・アラ
パク・スンテ