GAN을 활용한 결함 영상 데이터 증강

초록

다양한 산업 분야에서는 생산 효율성을 높이기 위해 제조 공정을 자동화하고 있으며, 그 중 딥러닝을 이용한 결함 감지 자동화 기술은 스마트 팩토리 구축을 위한 단계 중 하나이다. 이러한 기술에는 많은 양의 학습 데이터가 필요하다. 그러나, 일반적으로 제조 공정에서 수집되는 데이터는 양품에 비하여 발생하는 불량품의 수가 적기 때문에 불균형한 양상을 보인다. 이로 인해 모델의 성능에 중요한 영향을 끼치는 충분한 데이터를 구축하는 것이 쉽지 않은 상황이다. 본 논문은 앞서 언급한 문제점을 극복하고자 적대적 생성 신경망(GAN) 기반 모델을 사용하여 결함 영상 데이터 증강 방안을 제시한다. 제안하는 기법은 실제 제조 영상 데이터를 사용하여 생성 모델 훈련을 수행하며, 이를 통해 보다 사실적이고 다양한 결함 데이터를 생성하여 기존의 불균형 문제를 해결한다. 제안하는 기법의 생성 결과와 다른 모델과의 비교를 통해 정량 및 정성적으로 우수함을 보이며, 더 나아가 생성한 데이터를 학습 데이터에 포함시킴으로써, 결함 분류 모델의 성능을 13.23% 향상시키는 효과를 증명한다.

키워드