Anomaly Detection of Generative Adversarial Networks considering Quality and Distortion of Images
이미지의 질과 왜곡을 고려한 적대적 생성 신경망과 이를 이용한 비정상 검출
- Document Type
- Publications · Journal Article
- Registered DB
- KCI
- Journal
- 한국인터넷방송통신학회 논문지20(3) · pp.171 · 2020
- Citation
- KCI 5
- ISSN
- 2289-0238
Authors
- Seo, Tae MoonFirst author부산대학교
- 강민국포항공과대학교
- Kang, Dong JoongCorresponding author부산대학교
Abstract
최근 연구 결과에 따르면, 컨볼루션 신경 회로망은 이미지 분류, 객체 검출, 이미지 생성 등의 문제에서 최고의성능을 보여주고 있다. 비전 카메라를 사용한 결함 검사는 다른 결함 검사보다 경제적이기 때문에 공장 자동화에 있어서아주 중요하고, 딥러닝의 지도학습은 전통 기계학습 방식의 결함 검사 성능을 월등히 뛰어넘었다. 하지만, 딥러닝의 지도학습은 엄청난 양의 데이터 주석 작업을 요구하기 때문에, 이를 실제 산업 현장에 적용하는 것은 효율적이지 않다. 따라서 본 연구는 최근 이미지 생성 과업에서 큰 성공을 보여주고 있는 변분 오토인코더와 적대적 생성 신경망을 활용하여비지도 방식의 비정상 검출을 위한 신경망 회로 구조를 제안하였고, 이를 MNIST, 용접 결함 데이터에 적용하여 비정상검출 성능을 검증하였다.
Keywords
Anomaly DetectionUnsupervised learningGenerative Adversarial NetworkVariational Autoencoder
Identifiers
- KCI
- ART002602519



Login
Back to Publication list