CASES / OPEN RESEARCH
実案件とは別に、技術調査、試作、評価の公開研究を行っています。
コードだけでなく、評価条件、比較結果、制約、採用・不採用の判断まで残しています。
掲載内容は顧客への導入実績ではありません。すべて自主的な公開研究・技術検証です。
少数の正常画像しかない条件で、正常データのみを使う異常検知方式が採用可能かを検証しました。
異常サンプルが十分にない状況でも、正常画像だけで採用に足る判定ができるかを確認しました。
複数方式を同一条件で比較し、事前に評価基準を定めて結果を確認しました。
事前に定めた基準へ達しなかったため、今回の条件での導入を見送りました。
AIを導入したことではなく、精度不足の仕組みへ投資する前に、不採用を判断できたことが成果です。
公開研究の条件に対する結果であり、異なるデータや運用条件での性能を保証するものではありません。
点群処理を感覚的に比較するのではなく、制御されたデータと定量評価を使い、条件を揃えて再現できる実験環境を構築しました。
方式の違いを、見た目だけではなく再現可能な条件で比較できるかを検証しました。
制御された点群データを使用し、各方式で同じ入力条件となるよう揃えました。
処理結果を比較できる評価手順を用意し、結果を同じ観点で確認できるようにしました。
条件と実行手順をコードとともに残し、再実行・比較しやすい構成にしています。
特定の実験条件における比較であり、すべての点群や利用環境へ一般化できるとは限りません。
CSVの内容を確認し、保守的なスキーマ候補を提示したうえで、明示されたルールだけを使って整形します。
列の型や欠損、表記の揺れを検査し、データを勝手に解釈せず処理できる仕組みを検討しました。
元データを変更する前に、構造、値、欠損など確認すべき項目を洗い出します。
入力内容から保守的な候補を示し、人が確認してから確定できる流れにしています。
明示されたルールだけを適用し、推測による意図しない変更を避けます。
自動推測による補正より、確認可能性と安全性を優先するため、人による判断が必要な項目があります。