LISA
편리한 맞춤 설정 기능
AI 전문가가 튜닝한 맞춤 프리셋으로 모델을 빠르게 개발하고,
변화하는 현장 상황에 따라 임계값을 자유롭게 변경해 모델 성능을 유연하게 개선할 수 있습니다.
AI 전문가가 튜닝한 맞춤 프리셋으로 모델을 빠르게 개발하고, 변화하는 현장 상황에 따라 임계값을 자유롭게 변경해 모델 성능을 유연하게 개선할 수 있습니다.
![프로젝트_데이터_모델 생성_파리미터 추가 (Anomlay detection_고급) 모델 생성을 위한 학습 파라미터 프리셋을 설정하는 화면](https://ahha.ai/wp-content/uploads/2024/05/프로젝트_데이터_모델-생성_파리미터-추가-Anomlay-detection_고급.jpg)
머신러닝 엔지니어가 사전에 튜닝한 맞춤 학습 프리셋
LISA는 모델 크기, 학습 반복 횟수, 검증 주기, 고정밀 옵션, 가중치 갱신 속도, 가중치 감소율, 학습 방식(Context/Texture 우선), 평가 데이터 비율, 이미지 배율, 수직/수평 Flip, 회전 범위, 밝기 조절 등 매우 다양한 학습 프리셋 옵션을 제공합니다. 머신러닝 전문 엔지니어가 광범위한 사전 실험을 통해 도출한 추천 프리셋을 기본으로 설정해, 사용자가 각 요소의 영향도를 정확하게 알지 못하더라도 최적의 모델을 생성할 수 있도록 지원합니다. 더 섬세한 조정이 필요한 경우에는 사용자 친화적인 UI를 통해 각각의 학습 프리셋을 쉽게 변경할 수 있습니다.
![모델 관리 모델 버전을 관리하는 화면](https://ahha.ai/wp-content/uploads/2024/05/모델-관리.jpg)
모델 버전 관리/실험 재현/재학습
LISA는 모델 버전 관리 기능을 지원합니다. 각 모델이 언제 어떤 데이터셋과 학습 프리셋으로 훈련되었는지 추적합니다. 특정 모델의 성능을 검증하기 위해 필요한 모든 정보가 기록되어 있기 때문에 서로 다른 사용자도 같은 조건으로 실험을 재현할 수 있습니다.
또한, 특정 모델을 재학습시키는 기능도 지원합니다. 사용자는 모델을 처음부터 새로 구성할 필요 없이 데이터 셋만 추가로 입력하면 됩니다. 기존 ROI와 학습 프리셋 등 검증된 파라미터를 그대로 적용하면 학습의 일관성을 유지하고 모델을 더욱 빠르게 개선할 수 있습니다. 모델 개발 시간을 크게 단축할 수 있으며, 새로운 데이터를 기존 모델에 신속히 반영함으로써 변화하는 시장의 요구사항에 효과적으로 대응할 수 있습니다.
![모델 관리 모델 버전을 관리하는 화면](https://ahha.ai/wp-content/uploads/2024/05/모델-관리.jpg)
![anomaly detector 히트맵 모델의 이상 검출 임계값(Threshold)을 손쉽게 조정할 수 있는 화면](https://ahha.ai/wp-content/uploads/2024/05/anomaly-detector-히트맵.jpg)
손쉬운 임계값 변경을 통한 모델 정확도 향상
LISA는 평가 및 테스트의 이상 감지 구간을 한눈에 식별할 수 있도록 시각화 된 UI를 제공하고, 성능 확인 후 모델의 이상 감지 임계값(Threshold)을 손쉽게 조정할 수 있도록 지원합니다. 사용자는 마우스 드래그로 검사 기준선을 상하로 이동시켜 다양한 임계값 별 결과를 즉각 확인할 수 있으며, 보다 정밀한 제어가 필요한 경우에는 임계값 숫자를 직접 입력할 수 있습니다. 이처럼 모델의 민감도를 직접 조절하고 실험함으로써 특정 환경에 맞는 모델의 최적 성능을 빠르게 달성할 수 있습니다.
현장 적용 후 검사 기준이 변해도 자유롭게 맞춤 설정
현장 적용 이후에도 마찬가지로 검사 기준을 유연하게 바꿀 수 있습니다. 적용 이후 검사 규칙이 변경되면 새로운 데이터 라벨링과 재학습을 다시 해야 하는 경쟁사 딥러닝 검사 모델과 달리, 마우스로 검사 기준선을 위아래로 이동시키거나 숫자를 직접 입력해 임계값(Threshold)을 간편하게 변경할 수 있습니다. 시스템은 해당 변경 사항에 따른 이상 감지 결과를 실시간으로 업데이트하여 보여줍니다. 이를 통해 사용자는 임계값 변경이 실제 운영에 미치는 영향을 즉시 평가하고 최적의 설정 값을 찾아낼 수 있으며, 모델을 재생성하고 배포하는 시간과 비용을 절약할 수 있습니다.
이미 수많은 파트너 기업이 LISA를 통해
산업용 AI를 성공적으로 도입하여
비즈니스 성장을 견인하고 있습니다.
이미 수많은 파트너 기업이 LISA를 통해 산업용 AI를 성공적으로 도입하여 비즈니스 성장을 견인하고 있습니다.
진동 센서 데이터로 설비 이상탐지(모터 예지보전)를 수행한 사례
Challenge 기존에는 발전 설비 모터에 진동 센서를 부착해놓고 룰 기반으로 검사를 진행함 진동의 등락 외에는 각 진동...
생산 자재 변경으로 인한 검사 ‘데이터 드리프트’를 잡아낸 사례(DQI 모델)
Challenge 항상 일정한 광학 이미지가 촬영돼야 모델을 제대로 학습시키고 양/불량 판정 정확도를 높일 수 있음. 그러나...
‘1종 오류’ 찾아내는 딥러닝 모델로 ‘과검’ 발생률 감소
이상탐지(Anomaly Detection) 딥러닝 모델을 활용해 검사 이미지 전체 영역을 학습합니다. 실제 생산품의 결함이 아닌, 그 밖의...
Next Step →
다수의 고객사 현장에서 이미 업계 내 최고 수준의 속도와 성능을 실현 중인 LISA를 경험해 보세요.