earticle

논문검색

기타

이미지의 질과 왜곡을 고려한 적대적 생성 신경망과 이를 이용한 비정상 검출

원문정보

Anomaly Detection of Generative Adversarial Networks considering Quality and Distortion of Images

서태문, 강민국, 강동중

피인용수 : 0(자료제공 : 네이버학술정보)

초록

영어

Recently, studies have shown that convolution neural networks are achieving the best performance in image classification, object detection, and image generation. Vision based defect inspection which is more economical than other defect inspection, is a very important for a factory automation. Although supervised anomaly detection algorithm has far exceeded the performance of traditional machine learning based method, it is inefficient for real industrial field due to its tedious annotation work, In this paper, we propose ADGAN, a unsupervised anomaly detection architecture using the variational autoencoder and the generative adversarial network which give great results in image generation task, and demonstrate whether the proposed network architecture identifies anomalous images well on MNIST benchmark dataset as well as our own welding defect dataset

한국어

최근 연구 결과에 따르면, 컨볼루션 신경 회로망은 이미지 분류, 객체 검출, 이미지 생성 등의 문제에서 최고의 성능을 보여주고 있다. 비전 카메라를 사용한 결함 검사는 다른 결함 검사보다 경제적이기 때문에 공장 자동화에 있어서 아주 중요하고, 딥러닝의 지도학습은 전통 기계학습 방식의 결함 검사 성능을 월등히 뛰어넘었다. 하지만, 딥러닝의 지도 학습은 엄청난 양의 데이터 주석 작업을 요구하기 때문에, 이를 실제 산업 현장에 적용하는 것은 효율적이지 않다. 따라 서 본 연구는 최근 이미지 생성 과업에서 큰 성공을 보여주고 있는 변분 오토인코더와 적대적 생성 신경망을 활용하여 비지도 방식의 비정상 검출을 위한 신경망 회로 구조를 제안하였고, 이를 MNIST, 용접 결함 데이터에 적용하여 비정상 검출 성능을 검증하였다.

목차

요약
Abstract
Ⅰ. 서론
1. 개요
2. 기존 연구사례
3. 연구목표 및 범위
Ⅱ. 이론적 배경
1. 개선 및 악화부
2. 생성부와 검출부
3. 단방향 순환 목적함수
Ⅲ. 실험 및 결과
Ⅳ. 결론
Acknowledgement
References

저자정보

  • 서태문 Tae-Moon Seo. 정회원, 부산대학교 기계공학과
  • 강민국 Min-Guk Kang. 정회원, 포항공과대학교 컴퓨터공학과
  • 강동중 Dong-Joong Kang. 정회원, 부산대학교 기계공학과

참고문헌

자료제공 : 네이버학술정보

    함께 이용한 논문

      ※ 기관로그인 시 무료 이용이 가능합니다.

      • 4,000원

      0개의 논문이 장바구니에 담겼습니다.