本研究では,工業製品を対象とした外観検査用畳み込みニューラルネットワーク(CNN)の訓練において,不良品画像を必要とせず,良品画像のみで訓練・欠陥の有無を分類可能なCNNを作成する.本CNNは教師なし学習手法の一つとして注目されている不変情報クラスタリングによって訓練され, One-Class Support Vector Machine 用いて良品画像の特徴から外れた特徴を持つものを不良品と分類する.実験ではテストデータの分類において90%を超える確度と95%の不良品分類の再現率を達成した.