異常検知（CV）とは
異常検知（Anomaly Detection）とは、画像や映像の中から通常とは異なるパターン（異常）を自動的に検出する技術です。コンピュータビジョンにおける異常検知は、正常なデータのパターンを学習し、そこから逸脱するサンプルを検出するアプローチが主流です。
| ひとことで言うと | 画像から「いつもと違う」状態を見つけ出す技術。 |
|---|---|
| どこで使う | 外観検査、設備の劣化検知、監視カメラでの異常行動の検出。 |
| 注意点 | 異常のサンプルはほとんど集まらない。正常だけで学習する手法が中心。 |
異常検知の主要手法
画像ベースの異常検知には複数のアプローチがあります。オートエンコーダベースの手法では、正常データで学習したオートエンコーダが異常データを上手く再構成できないことを利用して、再構成誤差が大きいものを異常と判定します。GANベースの手法も同様の原理を使います。事前学習済みモデルの特徴空間を活用する手法としては、PaDiM、PatchCore、CFlow-ADなどがあります。これらは正常データの特徴分布を記憶し、テスト時にその分布から外れるものを異常として検出します。Knowledge Distillation（知識蒸留）ベースの手法も注目されています。
1正常画像を大量に良品だけを集める
▶
2正常の特徴を学習「普通」の基準を作る
▶
3新画像と比較どれだけ外れているか
▶
4異常度を算出スコアで数値化
▶
5しきい値で判定超えたら異常として通知
産業応用と課題
異常検知は製造業での外観検査（傷、汚れ、変形の検出）、インフラの点検（建物のひび割れ、パイプの腐食）、食品検査、半導体の欠陥検出などで広く活用されています。MVTecADデータセットが性能評価の標準ベンチマークとして使用されています。実運用では異常データが少ないため、教師なし学習や少数ショット学習の手法が重要です。