earticle

한국어

본논문에서는Different 기반이상탐지를위한재구성 모델로Dense Prediction Transformer, U-Net, ResU-Net 모델을 선정하고, 해당 딥러닝 모델의 Decoder에 전달되는 특징 정보량을 조절함으로써 변동되는 재구성 결과에 대한 분석을 진행 하였다. 제시한각모델은MVTec 데이터셋내Bottle 클래스의정상데이터만을학습한후결함이존재하는비정상데이터 를 재구성하며, 세밀한 표현이 가능한 선정 모델들의 특징 정보량을 직접 조절함으로써 단순한 Encoder-Decoder 구조의 방 식의한계인세밀한특징표현이어려운문제를해소하고, 높은해상도의재구성이가능하게한다. 최종적으로각모델의결 과에 대한 정성적 평가를 진행하여 입력되는 비정상 데이터와 재구성되는 데이터의 차이를 확인하였으며, 비교 모델 중 Dense Prediction Transformer 모델이Different 기반이상탐지기법의기반모델로가장적합한모델임을확인하였다.