메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이청엽 (트윔) 김민종 (트윔)
저널정보
대한전자공학회 전자공학회논문지 전자공학회논문지 제58권 제11호(통권 제528호)
발행연도
2021.11
수록면
57 - 65 (9page)
DOI
10.5573/ieie.2021.58.11.57

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
제조 설비 기술의 발달로 산업현장에서 불량 데이터 확보가 점차 어려워 데이터 불균형을 야기한다. 머신비전 분야에서는 데이터 불균형 문제를 해결할 수 있는 Autoencoder, GAN 방식의 Unsupervised 이상 탐지 기술이 각광받고 있다. 하지만 Autoencoder, GAN 방식은 학습이 불안정하며, 일반적으로 단순 픽셀 차이를 계산하는 L1, L2 손실 함수를 사용하여 구조적 차이를 판단하기 어렵다. 따라서 동일 클래스에서 비정상 데이터를 탐지하는 Novelty Detection 이상 탐지 분야에 적합하지 않다. 본 연구에서는 복원력을 향상시킬 수 있는 U-Net 기반 복원 네트워크를 사용하고, 동일 클래스에서 Local Region의 구조적 차이를 확인할 수 있는 SSIM, MS-SSIM 손실 함수를 사용한 방법을 제시한다. 해당 방법은 실제 산업현장에서 발생하는 물체의 결함을 판단하는데 사용하는 제조 분야에 특화된 MVTec 데이터를 사용해서 실험을 진행하였고 Autoencoder, GAN 방식 네트워크에서 L1, SSIM, MS-SSIM 손실 함수를 사용하여 성능 비교 실험하였다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. 본론
Ⅳ. 실험
Ⅴ. 결론
REFERENCES

참고문헌 (16)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0