概要

• Deep learningとは異なる仕組みの高次局所自己相関（Higher-order Local AutoCollelation ; HLAC）特徴量を
  活用した独自の異常検知AI技術を採用し、良品画像を学習させ外観検査モデルを作成・精度検証が可能なクラウドサービスです。

特長

• GPU不要：クラウドの豊富な計算リソースを用いるため、GPU非搭載の汎用PCで手軽に運用可能。
• 学習モデル作成が簡単：ウェブブラウザ上でご用意いただいた画像をドラッグ＆ドロップするだけで、簡単に検査用学習モデルを作成。
• 性能検証機能：作成したモデルの性能検証機能も実装。モデルの性能を確認しつつその場で再学習も容易に実行でき、高速でPDCAを回すことが可能。

その他

産総研特許技術 高次局所自己相関（HLAC）特徴抽出法とは？

画像の解析や認識等に用いられる認識精度に優れた汎用かつ高速な特徴抽出法。
積和演算のみで算出可能なので、検査対象の形状や大きさを市販PCで瞬時に計算できる。
また、位置不変性（認識対象の位置に依存しない）という特性から、対象の切り出しを必要としない（セグメンテーションフリー）というメリットがある。
さらに加法性（対象が2つあればそれぞれの特徴ベクトルの和となる）といった、画像認識にとって好ましい性質も備えている。
※技術の説明： https://adacotech.co.jp/technology