DRL-Guided Neural Batch Sampling for Semi-Supervised Pixel-Level Anomaly Detection

回路基板から食品パッケージに至るまで、あらゆるものを製造する工場において、品質管理とは「そこに存在すべきではないもの」を見つけ出すための絶え間ないゲームである。数十年にわたり、機械はこれらの欠陥を見つけるように訓練されてきたが、根本的な問題に直面している。それは、壊れた製品がどのような姿をしているかを、機械には滅多に示されないということだ。欠陥は稀であり、作成するにはコストがかかり、また、研磨された表面上の髪の毛一本ほどの細い傷や、ガラス部品の小さな欠けのように、非常に微細なものであることが多い。このような希少性のために、エンジニアは伝統的に、コンピュータに「完璧なアイテム」の形だけを学習させてきた。コンピュータは「正常」がどのようなものかを記憶し、その記憶から逸脱したものを見たときに、それを欠陥としてフラグを立てるのである。しかし、このアプローチには盲点がある。もしコンピュータが正常なアイテムの姿を完璧に学習しすぎると、最も重要な、極めて小さく静かなエラーに対して混乱してしまうか、あるいは、それらが自分が期待するように訓練された大きな、明白な間違いとは異なっているために、単に無視してしまう可能性がある。

テヘラン大学の研究チームは、このパズルを解くための新しい方法を提案した。それは、単に完璧さを記憶することを超えた方法である。静的な「正常さ」の記憶に頼る代わりに、彼らは「トラブルを探すために能動的に学ぶ」システムを作り上げた。最近の研究で詳述されている彼らの手法は、3つの異なるツールを一つの自己改善ループへと組み合わせたものである。第一に、デジタルな「偵察員（スカウト）」が画像上を移動し、どの小さなセクションをより詳しく見る価値があるかを決定する。第二に、「再構成エンジン」が記憶に基づいてそれらのセクションを再構築しようとし、記憶が現実と一致しない箇所を浮き彫りにする。第三に、「分類器」がそれらの失敗を読み取り、欠陥の精密なマップを描き出す。これら3つのパーツを互いに連携させることで、システムは、以前の手法では達成が困難であったレベルの精度で微細な異常を見つけ出すことを学び、しかも、ごくわずかな既知の欠陥例のみを使用してプロセスを導くことができる。

この新しいフレームワークの核となるのは、好奇心旺盛な検査官のように振る舞うデジタルエージェントである。従来のシステムでは、コンピュータは画像全体を一度にスキャンするか、計画なしにランダムなパッチを見るだけだった。しかし、この新しいエージェントは、「強化学習」と呼ばれる手法を使用している。これは、報酬によって駆動される試行錯誤の学習プロセスである。ある人が大きな倉庫の中を特定の損傷を探して歩き回っている様子を想像してほしい。彼らは直線的に歩いたり、すべての箱をランダムにチェックしたりはしない。代わりに、手がかりを探し、どのエリアが最も怪しいかを判断し、そしてそこに注意を向ける。このデジタルエージェントも同様である。それは画像を見て、これまでに学んだことに基づいて、次にどの小さな正方形を調べるべきかを決定する。もし、それが良品と不良品の違いを理解するのに役立つ場所を選べば、報酬が得られる。もし、それが新しい情報を何ももたらさない場所を選べば、将来そのエリアを避けるように学習する。これにより、システムは明らかに完璧な領域に時間を浪費することなく、最も情報量の多い画像の部分にエネルギーを集中させることができる。

エージェントがパッチを選択すると、それは画像の再構築を行うように設計されたニューラルネットワークの一種である「再構成エンジン」へと渡される。このエンジンは、欠陥のない完璧なサンプルを用いて広範囲に訓練されている。エンジンが良質な部分のパッチを受け取ったとき、それはほぼ完璧に再構築できる。しかし、傷や欠けを含むパッチを受け取ったとき、エンジンは苦戦する。その特定の欠陥については訓練中に見たことがないため、正確に再構築することができないのだ。エンジンが見ているものと、それが再構築したものとの差が「損失プロファイル（ロス・プロファイル）」、つまり欠陥が隠れている場所を明るく光らせるエラーのマップを生み出す。このマップこそが、システムの成功の鍵である。システムは、生の画像から直接欠陥を推測しようとするのではなく、この再構成エラーのマップを分析する。これにより、極めて微細な欠陥さえも、はるかに見つけやすくなるのである。

パズルの最後のピースは、これらのエラーマップを受け取り、それを明確なバイナリの決定、すなわち「このピクセルは良品か、それとも不良品か」へと変換する専門のネットワークである。研究者たちのアプローチをユニークにしているのは、これら3つのコンポーネント、すなわちスカウト、エンジン、そして予測器がどのように共に学ぶかという点である。同様のシステムへの過去の多くの試みでは、各パーツは個別に訓練されるか、適応能力を制限する硬直したルールに依存していた。ここでは、システムは「半教師あり学習」のアプローチを使用しており、これは大量の正常なデータと、ラベル付けされた極めて少数の欠陥データから学習することを意味する。研究者たちは、初期のバージョンで使用されていた特定の複雑なメカニズムを取り除き、予測器の学習方法を簡素化することで、システムがより安定し、新しいタイプの欠陥に対してもより優れた汎用性を持つようになったことを見出した。エージェントは、未知のトラブルスポットを探すために画像の新しい領域を「探索」することと、すでに怪しいと分かっている領域を精査するためにその領域を「活用」することという、2つの相反するニーズのバランスを取ることを学ぶ。

この手法の結果は、ケーブルや歯ブラシ、錠剤、木板など、さまざまな物体やテクスチャの高解像度写真を含む、MVTec ADとして知られる広く利用されている産業用画像コレクションを用いてテストされた。研究者たちは、標準的なディープラーニングモデルや他の高度な再構成ベースのシステムを含む、いくつかの主要な技術と比較を行った。新しいフレームワークは、これらの競合相手を一貫して上回った。平均して、欠陥を正しく特定し、位置を特定する能力を大幅な差で向上させた。最も困難なケース、つまり欠陥が極めて微細な場合において、この新手法は劇的な改善を示し、他のシステムが効果的に特定することに苦慮していた欠陥を検出し、より高い精度スコアを達成した。例えば、トランジスタや歯ブラシを用いたテストでは、システムの精度は従来の最高結果を大きく上回り、適応的なサンプリング戦略が適切な領域を的確にターゲットにしていることを証明した。

このシステムは、単に欠陥を見つけるだけでなく、それらが正確にどこにあるのかを特定することにも優れていた。産業現場においては、製品に欠陥があることを知るだけでは不十分であり、修理または廃棄できるように、表面のどの部分が損傷しているのかを正確に把握しなければならない。研究者たちは、彼らの手法が、よりクリーンで精密な損傷マップを作成できることを実証した。視覚的な結果は、木目や金属の格子のような複雑なテクスチャにおいても、傷の周囲に鋭い境界線や、欠損部分の明確な定義を示した。この精度は、完璧なアイテムを誤って拒否してしまう「誤検知」を減らし、実際の欠陥が見落とされることを防ぐために極めて重要である。システムは、産業オートメーションにおける最大のボトルネックとなりがちな、大量のラベル付き欠陥データを必要とすることなく、この高いレベルのパフォーマンスを達成した。

この研究は、システムのトレーニング方法がいかに重要であるかも強調している。研究者たちは、もしシステムの異なるパーツが適切な順序で互いに導入されなければ、プロセス全体が不安定になる可能性があることを発見した。彼らは、再構成エンジンが最初に学習し、続いて予測器、最後にパッチを選択するエージェントという、特定のトレーニングスケジュールを開発した。このステップバイステップのアプローチにより、各コンポーネントが他のコンポーネントによる複雑さを受け入れる前に、それぞれが安定することが可能となった。トレーニングの終了時までに、システムは画像の走査に関する洗練された戦略を学習していた。それは、単にすべてをスキャンしたり、ランダムな推測に頼ったりするよりも、はるかに効率的で効果的なものであった。研究者たちは、このシステムは単純なスキャナーよりもセットアップが複雑であるが、そのトレードオフとして、実際の工場で見られる微妙で現実世界の変動に対処できる、より堅牢で信頼性の高い検出器が得られると指摘した。

この研究は、機械がどのように「見る」ことを学ぶかという点における転換を象徴している。コンピュータに製品が壊れるあらゆる可能性を記憶させようとする代わりに、研究者たちはコンピュータに「好奇心」を持たせることを教えた。システムに、何を見るべきか、そして自身のミスからどのように学ぶべきかを選択する能力を与えることで、彼らは強力かつ適応可能なツールを作り上げた。この手法の成功は、未来の品質管理が、壊れた部品のより大きなデータベースにあるのではなく、正しい場所を見る方法を学ぶ、よりスマートなアルゴリズムにあることを示唆している。多様な産業用画像に対するこの手法の成功は、欠陥のあるサンプルを数千個収集するという法外なコストをかけることなく、検査プロセスを改善しようとしている製造業者にとって、これが価値あるツールとなり得ることを示している。