스탠퍼드 대학 연구팀과 협력
박상현 로봇및기계전자공학과 교수팀은 14일 스탠퍼드 대학팀과 함께 논리적 이상감지 기술을 개발했다고 밝혔다.
논리적 이상은 이미지 내 구성요소의 개수, 배열이나 구성과 같은 기본 논리 제약을 위반하는 데이터다.
영상 내 일부분만 검사하면 비교적 쉽게 검출 가능한 구조적 이상과 달리 논리적 이상은 영상 전체의 다양한 구성요소를 구분할 수 있어야 한다.
하지만 기존 인공지능 모델은 논리적 이상감지에서 평균 90%를 넘기지 못하는 저조한 AUROC 점수를 기록했다.
AUROC는 모델이 얼마나 잘 예측하는지를 평가하는 도구로 성능이 우수할수록 100%에 가까워진다.
박 교수 연구팀은 제한된 성능을 극복하기 위해 각각의 부품을 정확하게 영역화하는 모델을 먼저 학습하고 이를 이용, 이상감지를 수행하는 모델을 제안했다.
일반적으로 영역화 모델을 학습하기 위해 픽셀 단위의 레이블 작업이 필요한 것으로 알려졌다.
이로 인해 발생하는 막대한 노동력 문제를 해결하기 위한 소수의 정답지를 활용하는 퓨삿 영역화 기법도 함께 제안했다.
모델 학습에 사용된 영상들은 동일한 방식으로 조합돼 각 영상은 다르지만 부품 개수나 픽셀 수가 유사하다.
히스토그램을 활용한 목적함수를 최소화해 영역화 모델을 효과적으로 학습했다.
결국 제안한 기법은 기존 퓨샷 영역화 기법들보다 우수한 정확성을 보여줬다.
연구팀은 해당 기술을 활용, 현존 데이터셋 중 가장 어려운 논리적 이상감지 데이터셋 MVTec LOCO AD에 적용했다.
기존 기법이 논리적 이상감지에서 평균 90% 이하의 성능을 기록한 것에 반해 제안한 기법은 평균 98%의 성능을 보였다.
박상현 교수는 “이번 연구를 통해 논리적 이상감지 성능을 극적으로 향상시켰다”며 “해당 기술이 스마트 팩토리에서의 불량검출에 사용되는 비용을 획기적으로 줄일 수 있을 것”이라고 말했다.
대구 구·군청, 교육청, 스포츠 등을 맡고 있습니다.