TinyGLASS: センサー内でのリアルタイム自己教師付き異常検知

要約: 異常検知は産業の品質管理において重要な役割を果たします。欠陥はラベル付きの欠陥サンプルが不足している状況でも同定されなければなりません。GLASS のような近年の自己教師付きアプローチは、欠陥のないデータのみを用いて正常な視覚パターンを学習し、産業ベンチマークで強力な性能を示しています。しかし、それらの計算要件は、リソース制約のあるエッジプラットフォームへの展開を制限します。
この研究は、ソニーの IMX500 インテリジェントビジョンセンサー上でのリアルタイムのセンサ内異常検知を念頭に置いた GLASS フレームワークの軽量化適応である TinyGLASS を導入します。提案するアーキテクチャは、元の WideResNet-50 バックボーンをコンパクトな ResNet-18 に置換え、静的グラフ トレースと INT8 量子化を可能にする Sony の Model Compression Toolkit を用いたデプロイ指向の変更を導入します。
MVTec-AD ベンチマークでの性能評価に加え、混入した学習データに対する頑健性を検証し、デバイス間評価のためのカスタム産業データセット「MMS Dataset」を導入します。実験結果は、TinyGLASS が 8.7x のパラメータ圧縮を達成しつつ競争力のある検出性能を維持し、MVTec-AD で画像レベル AUROC 94.2% に到達し、IMX500 プラットフォームの 8 MB メモリ制約の中で 20 FPS で動作することを示しています。
システムプロファイリングは、低消費電力（推論あたり 4.0 mJ）、リアルタイムのエンドツーエンド遅延（20 FPS）、および高いエネルギー効率（470 GMAC/J）を実証します。さらに、学習データの適度な汚染がある場合でも、モデルは安定した性能を維持します。