Skip to content

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

  1. Seo, Tae MoonFirst author부산대학교
  2. 강민국포항공과대학교
  3. 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