latest
-
이상 탐지(Anomaly Detection) 기술로 완성하는 스마트 제조 혁신
다품종 소량 생산의 비중이 높아지고, 고속 라인에서 생산되는 제품이 늘어나면서 제조 현장의 관리 업무도 복잡화되고 있습니다. 기존 방식대로 진행하는 육안 검사, 문제가 발생한 이후 진행하는 설비 사후 조치는 현재의 제조 환경을 뒷받침하기 어렵습니다. 따라서 현장에는 보다 정밀하고 효율적인 제조 현장 관리 방법이 필요한데요. 바로 이 지점에서 주목받고 있는 것이 이상 탐지(Anomaly Detection) 기술입니다. 💡 이상 […]
2025-07-29 -
제조업에 특화된 MLOps의 필요성
제조업에 특화된 MLOps의 필요성 요즘 모든 분야에서 인공지능(AI)이 화제입니다. 제조업도 예외는 아니죠. AI를 도입해 공정을 자동화하려는 시도는 최근 들어 더욱 활발하게 진행되고 있습니다. 그런데 잘 만들어진 AI 모델을 도입하면 모든 문제가 해결될 것 같지만, 현실은 그렇지 않습니다. 아무리 잘 만든 AI 모델이라도 시간이 지나면 성능이 떨어지기 마련입니다. 가장 큰 원인은 새로운 데이터가 지속적으로 유입되면서 데이터의 […]
2024-05-29 -
A peak into Automatic Data Augmentation by Policy Searching
기계학습(machine-learning, ML) 혹은 딥러닝(Deep-learning, DL) 기반으로 모델을 학습할 때 데이터 증강(data augmentation, DA)은 모델의 일반화(generalization) 성능과 좋은 Representation 학습에 있어 매우 중요한 기술입니다. 그러나 이는 주로 사람의 경험이나 직관에 크게 의존합니다. ML/DL community에서도 이러한 문제를 인식하고 효과적으로 Data augmentation을 자동으로 수행하기 위한 방법에 대해 고민해 왔습니다. 이번 글에서는 사람에 대한 의존성을 낮추고 Data augmentation을 보다 […]
2021-07-20 -
산업 비전 검사를 위한 전이 학습 (Transfer Learning for Industrial Visual Inspection)
전이 학습 이란 2012년 Alex Krizhevsky가 AlexNet11이라는 Convolutional neural network(CNN)으로 ImageNet 데이터 세트에서 기존 비전 알고리즘을 모두 압도하는 성능을 발표한 이후, CNN은 비전 검사에서 매우 광범위하게 적용되고 있습니다. 그러나 기존 비전 알고리즘과 비교했을 때 CNN의 치명적인 단점은 매우 많은 데이터가 필요하다는 것입니다. 이러한 문제로 초창기 CNN은 주로 ImageNet과 같이 매우 많은 이미지들로 구성된 데이터 세트에만 […]
2021-07-08