エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
Stable Diffusion+LoRAを使って異常画像データを生成できるか検証してみた|調和技研ブログ
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
Stable Diffusion+LoRAを使って異常画像データを生成できるか検証してみた|調和技研ブログ
こんにちは、調和技研・AI画像グループの神戸です。 近年、製造業を中心に、AIを活用した異常品検出を導... こんにちは、調和技研・AI画像グループの神戸です。 近年、製造業を中心に、AIを活用した異常品検出を導入する企業が増加しており、品質管理の現場で重要な役割を果たすようになっています。 本記事では、前回の記事「Stable Diffusionを使って異常画像データを生成できるか検証してみた」の続編として、LoRAを用いた追加学習によってより精度の高い異常画像を生成できるか検証した結果をご紹介します! 異常品検出における課題:異常データが少ない一般的に、異常品検知では正常データのみを用いた学習アプローチが主流です。異常品のデータ収集は困難であるため、この方法が多くの場面で採用されています。しかし、もし異常品のデータを十分に準備できれば、より精度の高い異常品検知や異常の具体的な分類が可能になり、品質管理の効率化や生産プロセスの改善に大きく寄与することができます。そこで、AIを用いて異常品の画像を