메뉴 바로가기 본문 바로가기
Top

AIV

Technology

AIV’s Deep Learning
Technology

Classification

이미지가 어떤 카테고리에 속하는 지 판단함

적용사례 : 시료의 양품 여부 및 불량 유형을 분류함

Object Detection

이미지 내 모든 객체에 대해 분류 및 지역화 수행함

적용사례 : 시료 불량 유형 분류 및 위치 파악함

Semantic Segmentation

이미지 내 모든 픽셀의 카테고리를 예측

적용사례 : 시료 불량의 형상을 파악함

Instance Segmentation

이미지 내 같은 카테고리에 속하는 객체를 구분함

적용사례 : 시료 불량 개수 파악 및 불량 별 특징 분석함

Multi-channel Image

다양한 광학 조건 하에서 촬영한 이미지들을 결합하여 불량 검출의 정확도를 높이는 기술

가시성이 낮아 검출되기 어려운 불량이 상이한 광학 조건에서 검출될 수 있음

Synthetic Image Generation using GAN

양품 시료 이미지 위에 불량 영역을 임의로 배치하여 실제와 유사한 불량 이미지를 생성하는 기술

실제 불량 시료가 매우 부족하더라도 Supervised Learning으로 딥러닝 모델을 학습 할 수 있음

Active Learning

레이블이 필요한 데이터 중 가장 정보량이 많은 데이터를 선택하여 레이블 작업을 최소화하는 기술

Auto-labeling

기존 규칙 기반 비전 기술을 활용하여 레이블을 자동으로 생성하고 작업자가 이를 수정하는 기술

노동집약적인 레이블링 작업을 최소화하며 알고리즘의 성능을 높일 수 있음

Unsupervised Anomaly Detection

양품 시료만을 활용하여 학습한 모델로 불량을 검출하는 기술

레이블링 과정이 필요하지 않음

Labeling Assistant

4개의 Extreme Point를 수작업으로 설정하여 객체의 레이블을 자동으로 생성하는 기술

2018년 논문으로 발표된 DEXTR 활용 (https://arxiv.org/pdf/1711.09081.pdf)

Technology