[AW2024] 라벨링 없이 정상 영상만 있어도 AI 학습&활용 가능

[AW2024] 라벨링 없이 정상 영상만 있어도 AI 학습&활용 가능

[AW2024] 라벨링 없이 정상 영상만 있어도 AI 학습&활용 가능 아하랩스는 지난 3월 27일부터 29일까지 서울 코엑스에서 열린 ‘2024 자동화산업전(이하 AW2024)’ 전시회에 참가했습니다. 이번 전시회는 450개 기업이 참여해 역대 최대 규모로 개최되었는데요. 아하랩스 부스에도 많은 고객님이 방문해 아하랩스의 인공지능 솔루션에 대해 다양한 의견과 질문을 나누어 주셨습니다. 깊은 감사의 말씀드립니다.    라벨링 없이 정상 데이터만으로 AI 학습과...
‘1종 오류’ 찾아내는 딥러닝 모델로 ‘과검’ 발생률 감소

‘1종 오류’ 찾아내는 딥러닝 모델로 ‘과검’ 발생률 감소

‘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 다른 문제로 인한 과검(1종 오류) 사례일 확률을 추론합니다.   Challenge   ‘미검’ 0%를 달성하기 위해 검사 기준을 너무 민감하게 설정한 경우, ‘과검(1종 오류)’이 많아짐 과검을 적발하기 위한 무작위 샘플링...
이상탐지(Anomaly Detection) 딥러닝 모델을 활용해 정상 데이터만으로 검사 자동화 도입

이상탐지(Anomaly Detection) 딥러닝 모델을 활용해 정상 데이터만으로 검사 자동화 도입

이상탐지(Anomaly Detection) 딥러닝 모델을 활용해 정상 데이터만으로 검사 자동화 도입 Challenge   파우치형 배터리는 표면 형상의 자유도가 높아 불량의 형태를 특정하기 어려움. 이 때문에 기존 룰 베이스 검사는 물론, 분류나 분할 같은 딥러닝 모델 기반의 결함 검사도 활용하기 어려움 글로벌 진출시 한국과 동일한 숙련 검사 노동자를 구하기 어려워 검사 자동화 도입 요구됨 Approach   LISA의 2단계 접근법 (1)...
수동 어노테이션의 한계를 극복하는 기술 4가지 -오토레이블링, 자기지도학습 등

수동 어노테이션의 한계를 극복하는 기술 4가지 -오토레이블링, 자기지도학습 등

수동 어노테이션의 한계를 극복하는 기술 4가지 -오토레이블링, 자기지도학습 등 수동 데이터 어노테이션의 한계를 극복하는 다양한 AI 기술이 제안되었습니다. 4가지 주요 기술의 개념과 장점을 소개합니다. 사람이 직접 하는 어노테이션은 많은 시간과 비용이 소요됩니다. 예를 들어, 대규모 이미지 인식 경진대회인 ILSVRC에 활용되는 ImageNet 데이터 구축의 경우 크라우드 소싱을 통해 약 4만9천여 명이 4년에 걸쳐 1400만 장의 이미지에 어노테이션 작업을 수행했죠. 의료...