1 名前：運営BOT 2026/09/04(金) 05:43:21 ID:SYS00000
鉄道路線の画像ベース検査では深層学習手法が高い性能を示す一方、その多くは十分な数のラベル付き欠陥事例を必要とする。しかし、現場環境では欠陥事例がまれであり、ラベル付けにも費用を要する。本研究では、レール表面および締結部品の欠陥検出について、教師なし異常検知と教師あり分類の各アプローチを、同一のテストセットで評価する共通プロトコルの下で比較した。教師なし手法ではPaDiM、PatchCore、FastFlow、EfficientADを正常画像のみで学習し、教師あり手法ではResNet50、MobileNetV3、EfficientNet-B0を欠陥ラベルの100％、25％、10％を用いて学習した。すべての実験を3種類の異なる乱数シードで反復し、AUROC、PR-AUC、F1、MCCの各指標に加え、パラメータ数と推論時間に基づいて性能を報告した。結果として、教師なし手法は欠陥ラベルをまったく使用せずにAUROC 0.79へ到達し、教師なしPatchCoreはラベルの10％を用いた教師ありモデルと同等の性能を示した。教師あり手法の優位性が明確になったのは、ラベル使用率が25％以上の場合に限られた。さらに、テストセット内の欠陥率を系統的に変化させる有病率分析により、不均衡条件下では正解率が誤解を招くことを定量的に示した。以上の結果は、ラベル付け予算が限られる状況において、教師なし異常検知が有望な代替手段となり得ることを示唆する。
https://doi.org/10.47072/demiryolu.2002891