인프런 커뮤니티 질문&답변
작성한 질문수
이상 탐지에 사용할 비전 기술 조언 부탁드립니다.
작성
·
26
·
수정됨
답변 2
0
안녕하십니까,
질문을 제가 잘 이해하지 못했습니다.
이미지나 영상에서 스크래치, 깨짐등의 불량을 잡아내는 방식은 적어주신 이미지 판별이나, object detection, segmentation을 적용합니다.
그런데 여기서 어떤점을 더 강조해서 듣고 싶으신건지, 아님 다른 내용이 필요하신건지 제가 어떻게 답변을 드려야 할지 잘 모르겠습니다.
어떤 부분을 강조해서 알고 싶으신 건지, 좀 더 자세하게 내용을 기재해 주실 수 있는지요?
감사합니다.
제 생각엔, 이미지 판별과 object detection 그리고 segmentation 이 어떠한 방식으로 적용되는 지 먼저 말씀을 드리는게 첫번째 인것 같습니다.
이미지 판별은 개별 이미지를 가지고 판별하는 것입니다. 그러니까 미세 스크레치와 깨짐이 있는 이미지가 있으면 모델이 이를 정상/스크레치/깨짐 중의 하나 또는 스크레치나 깨짐으로 판별 분류(classification) 하는 것입니다.
보통 하나의 이미지 파일을 가지고 판별합니다. 영상 파일의 경우 영상을 frame 단위의 이미지로 쪼개서 적용할 수 있지만, 일반적으로는 파일로 된 이미지들을 가지고 판별합니다. 어떠한 방식으로 스크래치와 깨짐을 판별하기를 원하시는 지 잘은 모르겠지만, 스크래치, 깨짐, 정상 각각의 이미지 파일들이 있고, 이러한 이미지 파일로 모델을 학습 후에 새로운 이미지 파일을 모델이 판별하게 만드는 방식입니다.
object detection 또는 segmentation을 적용하는 경우는 이미지 상의 어떤 부분이 스크래치/깨짐 인지 표시하는데 사용됩니다. object detection은 해당 스크래치/깨짐 영역을 네모 박스로 표시하며, segmentation은 해당 영역을 픽셀 단위로 보다 자세히 표시해 줍니다. 이미지 파일 뿐만 아니라 영상에서도 잘 활용되는 방식입니다.
object detection과 segmentation은 강의에서 잘 설명드리오니 참조 부탁드립니다.
스크레치와 깨짐과 같은 이상 탐지 모델을 만들 때 이미지 판별에 사용되는 ResNet을 사용하느냐, Segmentation에 사용되는 UNet을 사용하는지는 크게 중요하지는 않습니다(사실 둘 다 최신 모델은 아닙니다)
이상 탐지 모델을 학습 시킬 때 가장 크게 해결해야 될 사항은 바로 충분한 학습 데이터를 모으는데 있습니다. 즉 스크래치와 깨짐 이미지를 많이 확보하는 것입니다. 나머지 사항은 강의를 통해서 충분히 배워 나갈 수 있으십니다.
아직 강의를 충분히 듣기 전이라면, 어느 정도 강의를 들으신 뒤에 이후 만들고자 하시는 모델의 방향성등을 좀 더 고민해 보시고 추가 질문을 올려 주시면 어떨까 싶습니다. 이미 강의를 충분히 들었지만, 지금 답변 드리는 사항이 잘 이해가 안되시면 해당 사항에 대해서 추가 질문 주시면 좋을 것 같습니다.
0
안녕하세요, 인프런 AI 인턴입니다. 김동해님.
이상 탐지(Anomaly Detection)를 위한 여러 컴퓨터 비전 기술은 이미 많은 연구와 실험이 이루어지고 있는 주제입니다. 각 방법마다 고유의 장점이 있기 때문에 목표에 맞는 기술을 선택하는 것이 중요합니다. 여기 몇 가지 주요 기술을 소개드리겠습니다.
CNN 기반 다중 분류: CNN은 이미지 분류 및 특징 추출에 강력한 도구입니다. 특정 결함을 다중 클래스 분류로 접근하여, 각 결함 유형을 학습할 수 있습니다. 다양한 CNN 아키텍처(예: VGG, ResNet)를 사용하여 성능을 향상시킬 수 있습니다.
세그먼테이션: 결함이나 이상 부분을 세분화하기 위해 사용됩니다. 다양한 종류의 이상을 세밀하게 탐지하기 위해 UNet 같은 네트워크를 사용할 수 있습니다. 이는 각 픽셀에 레이블을 할당하여 어떤 부분이 결함인지 정확히 파악할 수 있게 해줍니다.
YOLO 객체 인식: 빠르고 효율적인 객체 탐지 모델로, 여러 종류의 결함을 실시간으로 탐지하는 데 유용합니다. 새로운 결함 유형에 대해 훈련 데이터를 제공하고 모델을 재학습시키면 높은 성능을 보일 수 있습니다.
관련해서 유사한 기존 게시물을 확인하실 수 있습니다:
- Anomalies Detection에서의 One class classification 적용에서는 이상 탐지를 위해 One class classification을 고려하는 방법을 논의합니다.
제공된 강의를 통해 각 기술의 다양한 구현 방법을 학습하시면서 특정 문제에 맞는 가장 적합한 방법을 선정하고 적용할 수 있을 것입니다. 보다 깊이 있는 학습이 필요하시다면, 선택하신 주제에 대한 다양한 실습과 실험을 적극적으로 해보시는 것을 추천드립니다.
저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다. 현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏 추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.
혼선을 드려 죄송합니다. 더 구체적으로 질문 드리겠습니다.
말씀하신 것 처럼 이미지 판별, object detection, segmentation 등 다양한 이상 탐지 방식이 있을텐데요.
그 중 금속 표면 GRAY 이미지에서 미세 스크레치와 깨짐을 탐지하기 가장 효과적인 방식은 무엇이고, ResNet/UNet 등 적용해보면 좋을 딥러닝 모델까지 추천 받아 볼 수 있을까요?