公开(公告)号：CN116894199A

公开(公告)日：2023-10-17

申请号：CN202310319263.8

申请日：2023-03-29

Applicant: 本田技研工业株式会社

Inventor： 轻部俊和

IPC: G06F18/24 ,  G06F18/214 ,  G06N3/09

Abstract: 本发明提供一种教师数据的收集方法，能够定量且适当地评价作为教师数据而收集到的不合格品数据的质以及量，能够使用充分的质以及量的教师数据，高精度地对分类模型进行学习，并且使不合格品数据的收集工时最小化。本发明是作为用于使将检查对象物G分类为正常品/异常品的分类模型进行学习的教师数据而收集不合格品数据的教师数据的收集方法，收集许多个不合格品数据(图3的步骤1)，从许多个不合格品数据的每一个提取多个特征量(步骤2)，对于许多个不合格品数据，计算提取出的每多个特征量的状态和Zk(步骤3)，计算多个状态和Zk的对数和作为指标值HEG(步骤4)，在指标值HEG成为给定的目标值HEGTGT以上时，结束不合格品数据的收集(步骤5)。

公开(公告)号：CN116894965A

公开(公告)日：2023-10-17

申请号：CN202310304779.5

申请日：2023-03-27

Applicant: 本田技研工业株式会社

Inventor： 轻部俊和

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N20/00 ,  G06T7/00

Abstract: 本发明的课题在于提供一种能够基于最小限度的专家数据，以最小限度的工时完成教师数据的收集的教师数据的收集方法。使用少数的专家数据和许多的非专家数据作为教师数据的缺陷分类模型中的教师数据收集方法具有：将学习了专家数据的变分自动编码器的潜在变量编码为一维的工序；将非专家数据输入到变分自动编码器，将潜在变量编码为一维的工序；计算专家数据和非专家数据各自的一维潜在变量中的最大值以及最小值的工序；以及基于非专家数据的一维潜在变量中的最大值以及最小值的差分与专家数据的一维潜在变量中的最大值以及最小值的差分之比，判定非专家数据的收集的完成的工序。

公开(公告)号：CN116894956A

公开(公告)日：2023-10-17

申请号：CN202310311119.X

申请日：2023-03-28

Applicant: 本田技研工业株式会社

Inventor： 轻部俊和

IPC: G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06T7/00 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明的课题在于提供一种使用最小限度的专家数据和少数的非专家数据，按每个缺陷模式选择贡献度高的特征量的特征量选择方法。本发明的特征量选择方法具有：从包含各种缺陷形状的图像的专家数据提取多维度的特征量的工序；从包含有限的缺陷形状的图像的非专家数据提取多维度的特征量的工序；计算所提取出的专家数据以及非专家数据各自的特征量的每个维度的标准偏差的工序；计算所计算出的专家数据的每个维度的标准偏差与所计算出的非专家数据的每个维度的标准偏差的每个维度之比的工序；从计算出的标准偏差比中按值从大到小的顺序选择给定数量，将与所选择的标准偏差比相关联的特征量选择为对特定的缺陷模式的贡献度高的特征量。

公开(公告)号：CN116894809A

公开(公告)日：2023-10-17

申请号：CN202310304924.X

申请日：2023-03-27

Applicant: 本田技研工业株式会社

Inventor： 轻部俊和 ,  上村正浩 ,  福光仁

IPC: G06T7/00 ,  G06V10/40 ,  G06V10/77 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明提供一种伪不合格品数据生成装置。其具备：第一特征量变换部(13)，将取得的多个真实不合格品数据变换为真实特征量；预测特征量生成部(14)，通过使特征量生成模型学习多个真实特征量，生成预测特征量组；伪不合格品数据生成部(15)，通过使图像生成模型学习多个真实不合格品数据，生成伪不合格品数据组；第二特征量变换部(16)，对伪不合格品数据组进行变换，并作为伪特征量组而取得；特征量分布比较部(17)，通过对预测特征量组与伪特征量组的分布进行比较，计算作为其残差的特征量误差；伪不合格品数据质量判定部(18)，基于特征量误差，判定所生成的伪不合格品数据组的质量。