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
학술대회자료
저자정보
신강현 (창원대학교) 진교홍 (창원대학교)
저널정보
한국정보통신학회 한국정보통신학회 종합학술대회 논문집 한국정보통신학회 2022년도 춘계종합학술대회 논문집 제26권 제1호
발행연도
2022.5
수록면
108 - 111 (4page)

이용수

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

초록· 키워드

오류제보하기
제품의 결함 탐지를 위한 머신 비전 시스템에 딥러닝을 적용하기 위해서는 다양한 결함 사례에 대한 방대한 학습 데이터가 필요하다. 하지만 실제 제조 산업에서는 결함의 종류에 따른 데이터 불균형이 생기기 때문에 결함 사례를 일반화할 수 있을 만큼의 제품 이미지를 수집하기 위해서는 많은 시간이 소요된다. 본 논문에서는 적은 데이터로도 학습이 가능한 샴 신경망을 제품 결함 탐지에 적용하고, 제품 결함 이미지 데이터의 속성을 고려하여 이미지 쌍 구성법과 대조 손실 함수를 수정하였다. AUC-ROC로 샴 신경망의 임베딩 성능을 간접적으로 확인한 결과, 같은 제품끼리만 쌍을 구성하고 결함이 있는 제품 간에는 쌍을 구성하였을 때, 그리고 지수 대조 손실로 학습하였을 때 좋은 임베딩 성능을 보였다.

목차

요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 샴 신경망과 대조 손실 및 이미지 쌍 구성법
Ⅲ. 대조 손실과 쌍 구성법에 따른 임베딩 효과 분석
Ⅳ. 결론
References

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2022-004-001357124