TECHNOLOGY - アダコテック
アダコテックの技術紹介 アダコテックは、国立研究開発法人産業技術総合研究所（産総研）にて発明された日本発の画像解析技術 「高次局所自己相関（HLAC）特徴量抽出法」を活用し、Deep Learning とは異なる機械学習ベースのAI技術を中心にお客様の課題解決に取り組んでいます。 HLAC特徴量抽出法の説明と、画像を用いた良品学習での外観検査への適用を例にHLACを活用する技術についてご紹介します。 産総研特許技術高次局所自己相関（HLAC）特徴抽出法とは？ 高次局所自己相関特徴（HLAC: Higher-order Local AutoCorrelation）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です。積和演算のみで算出可能なので、検査対象の形状を市販PCで高速に計算することができます。 HLACは画像内の各ピクセルを中心とした小領域（3x3のマスクパ
時系列センサデータから異常を検出するには？（製造業向け）（1/2）
時系列センサデータから異常を検出するには？（製造業向け） データ分析でビジネス課題をどのように解決できるか、業界・ケース別にニーズの高いものを例に紹介します。 [2017年04月17日 ] 株式会社KSKアナリティクス データアナリスト 足立 悠 前回までは、データサイエンスの領域で使われる人工知能（AI）技術、機械学習やディープラーニング（深層学習）などの仕組みとその活用例を中心にお伝えしてきました。今回からは、業界・ケース別にデータ分析をどのように活かして課題を解決できるのか、具体例を挙げてお伝えします。 まず第1回目は、製造業の皆さまに共通の課題、時系列センサデータから異常を検出する方法について。 次のような状況を想定してください。ある半導体の検査装置では、製造した半導体が出荷OKの良品か出荷NGの不良品かをチェックしています。製造した半導体の多くは出荷可能な良品ですが、まれに出荷不
リソースモデリングパターン
Webアプリケーションについて、RESTfulなURL・リソース設計のパターンを見出すことで、 どのパターンかを判断するだけで、既存の Good Practice が適用できる 名前をつけて呼べるようにしたい Railsなどのフレームワークで簡単に適用できるようにしたい ということを目指しています。 ほんとうに役立つか これはパターンと言えるのか もっと他にもある だいぶ粒度がバラバラ 名前の付け方（パターンは名前重要） など、ぜひご意見をください。 パターン Collection & Member Resource パターン Singular (Singleton) Resource パターン Filtered Collection パターン Filtered Subresource パターン Multi-member Resource パターン Partial Resource パター
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
