Q.
アノマリー検出の学習が上手くいきません。
一般的なアプローチを教えてください。

A.
まずは用意した画像群と、デフォルトのパラメータで試します。
ヒートマップが良好でない場合や、7880エラーが発生する場合はデータセットの見直しおよびパラメータ調整を行います。

アノマリー検出 (Anomaly Detection : AD) の基本的な考え方は、OK画像が少なく、NOK画像は必要ないというものです。
データセットに含まれるOK画像の情報が非常に冗長である場合、OK画像を減らして、冗長な情報を排除したデータセットにすることができます。
このようにOK画像を減らしても、結果が悪くなることはないはずで、さらに、実行時間に関する性能は向上します。

ADのトレーニングプロジェクトで最も重要なステップの1つは、画像の前処理です。これは通常、古典的なコンピュータビジョンのパイプラインで実現されます。目標は常に、欠陥が予想される領域周辺の関心領域を減らすことです。
しきい値を使用した背景除去・クロップや、マッチングによるアライメントは常に有用です。

これがうまくいかない場合は、より複雑なネットワーク (medium→large)を使用します。
それでも性能が向上しない場合は、ComplexityとDomainRatioのパラメータをセットします。
これは、いくつかのアプリケーションで使用したヒューリスティックな方法ですが、ADアプリケーションに対処するための1つのアプローチに過ぎません。