ある食品工場は、包装の外観検査を自動化したい。正常品の画像は数万枚あるが、不良品の画像は数十枚しかない。そこで、オートエンコーダを用い、入力画像と再構成した画像の差（再構成誤差）から不良品を見つける方針を立てた。この方針に関する説明として、最も不適切なものを1つ選べ。
1つ選んでください
正解と解説を見る
解説
正解D
ポイント
異常検知では正常データだけで学習し、再構成誤差が大きいものを異常とみなします。中間層を絞らないと、異常まで復元されてしまいます。
選択肢ごとの解説
- A
適切
オートエンコーダは、学習データに多いパターンを復元できるように学びます。正常品だけで学習すると、傷や汚れなどの見慣れない特徴はうまく復元されず、誤差の大きさで異常を見分けられます。
- B
適切
オートエンコーダは入力そのものを正解として使うため、学習に不良品のラベルは要りません。不良品を集めにくい外観検査でよく使われる理由の1つです。
- C
適切
学習に使わなかった正常品と少数の不良品で誤差の分布を比べると、見逃しと誤検出のバランスを考えてしきい値を決められます。数十枚の不良品は、学習より評価に役立ちます。
- D
不適切 ◯ 正解
入力をそのまま写す恒等写像に近づくと、不良品も正常品と同じように復元できてしまい、誤差の差が縮んで検知しにくくなります。中間層を小さく絞って次元削減させることが大切です。
試験での狙われ方
正常データだけで学習する理由や、中間層を小さくする意味を、外観検査や設備監視の場面に当てはめて問う形が考えられます。
関連用語
参考
- G検定 試験出題範囲（シラバス2024）第1.4版 （技術分野 項目24 オートエンコーダ） 2026年10月31日閲覧
- Sakurada & Yairi, Anomaly Detection Using Autoencoders with Nonlinear Dimensionality Reduction (2014) 2026年10月31日閲覧