3.出力画像の統計処理

機械学習画面「Teach」で、想起したときのRankを集計表にメモします。以下のNameの番号「nabe1-40」の40は明るさを示すものです。以下では3回のうち2回はnabe1(教師信号5000)を想起したことになります。sara1c-30では教師信号が20000とずいぶん離れているにもかかわらず5000であるはずのものと同じだと言っています。このようにずれや光具合で簡単に想起信号が変わってしまいます。

これらを検査基板の同じ部品を色々な場所で行います(赤色の枠の部分:ここでは皿ビス(sara))。このときのRank1、Rank2、Rank3の回数をName(ここではnabe1とかsara1c等)とともに集計表に書き加えます。

<集計表>

Rank1(金)、Rana2(銀)、Rank3(銅)の順に並べランキングを付けます。この例では統計的にnabe1を採用するものとします。

ランキングを付ける

  • 補足1

このようなやり方は我々人間のやり方と同じです。遠くだったり見えにくいものを見る時に何度も目を凝らしてみる必要があります。時々違うものに見えても何度も見ることによって、最終的には間違えることなく目的のものを認識できます。

 

  • 補足2

前述したように色や形が似ているものや、背景の面積が大きいものはその影響を受けます。ビスという銀色で大きさも似たものより、人間の顔などの認識の方が機械想起においては有利です。

しかし統計処理や推論処理などによって、雑音(目的と違うもの)を除去することが、人間の大脳皮質で行われることで、ディープラーニングとはまた別の人工知能の処理です。


このコンテンツは会員限定のコンテンツです。
会員登録または、ログインしてください。

あわせて読みたい