教師なし学習に基づく画像の異常検出においては，画像識別タスクで学習済みの畳み込みニューラルネットを用いて画像特徴量を抽出し，それをもとに異常スコアを算出する手法が数多く提案されている．これらは高い異常検出精度を示すことが知られている．しかし，これらの手法には，画像特徴量から画素ごとの異常スコアを算出する過程の計算コストが大きいという問題がある．そこで本研究では，画像特徴量に対して線形回帰を適用して異常スコアを算出する方法を検討する．本手法を MVTec AD データセットに適用して異常箇所を特定する実験を行った結果，先行研究と比較して，計算時間を数分の1に削減しつつ，同程度の検出精度を実現できることを報告する．