산업 이미지에서의 이상 탐지를 위한 이미지 패치 기반 에너지 모델의 활용

초록

본 연구에서는 산업 이미지 데이터에서의 이상 감지(Anomaly detection)를 위한 이미지 패치 기반 Energy based model(EBM)을 제시한다. 비지도 학습 방식을 사용하는 EBM은 학습에 사용한 정상 데이터와 다른 분포를 가진 이상 데이터에 대해 높은 값을 도출하여 이상 감지가 가능하게 한다. 그러나 산업 데이터에서 기존의 에너지 모델은 이미지 전체 수준(image-level)에서 학습되어 이미지의 전반적인 외형 변형은 잘 감지하였으나 세부적인 특징을 파악하지 못하였다. 따라서 본 연구에서는 패치 수준(patch-level)에서 학습한 모델과 이미지 전체 수준에서 학습한 모델을 결합하여 전반적인 외형 변형을 식별하면서도 세부적인 변형도 잘 감지할 수 있는 모델을 제안한다. 실험 결과, 기존의 에너지 모델에 비해 AUROC(the Area Under the ROC Curve)의 평균값이 18.3%p 향상되었으며 비교군인 생성 모델들보다 간단한 모델 구조로 최고 성능을 달성할 수 있었다.

키워드