솔루션/기술

이미지 생성을 통한 데이터 보완 기술

인공지능을 개발함에 있어서 수집된 데이터가 많고 다양해야 여러 예외 상황에도 대처가 가능한, 강인한 인공지능 모델을 개발할 수 있습니다.
하지만 실제 제조 현장에서는 데이터 불균형의 문제를 피할 수 없는 것이 현실이지만 라온피플의 EZ Defect 기술을 활용하면 이러한 결함 데이터의 부족 문제를 딥러닝 이미지 생성 기술을 통해 해결할 수 있습니다.

대표문의
sales@laonpeople.com031-707-7052온라인문의
목록

제품별 사양 정보

정보 확인하기
SCROLL >>
이미지 생성을 통한 데이터 보완 기술 정보 확인하기
결함 이미지 생성을 통한 데이터 보완 기술

실제 라인에서 데이터를 수집해야 하므로 자주 발생하는 불량과 간헐적으로 발생하는 불량이 공조하는 현장의 특성 상
다양한 불량 데이터간의 균형을 맞추기 위해서는 결국 빈도가 적은 데이터의 수집 시간에 모든 개발기간이 맞추어지게 됩니다.
라온피플이 개발한 EZ Defect 기술은 이러한 결함 데이터 부족 문제를 딥러닝 이미지 생성 기술을 통해 해결합니다.
양품 이미지의 다양한 형태로 원래 결함의 특성을 그대로 삽입하여 자연스러운 결함 이미지를 생성하기 위하여 GAN알고리즘을 이용하며
결함을 학습하기 위한 시간을 최소화 하여 사용 편의성을 제공합니다.






불량의 특성을 이해하여 다양한 형태로 변형 생성하는 기술
이미지 학습 과정에서 결함의 특성과 함께 양품 이미지의 특성까지 학습하는 기술을 탑재하여 가장 사실적인 이미지를 생성해 낼 수 있습니다.
GAN 알고리즘 기반의 이미지 생성 알고리즘은 불량의 특성에 대한 정확한 파악을 수행하며, 양품 이미지의 특성을 파악하는 알고리즘은
생성된 불량의 양품 이미지에 이질감이 없이 삽입될 수 있도록 품질을 개선합니다.






부족한 데이터를 보완하여 인공지능을 학습시킬 경우 기대 효과
1. 인공지능 프로젝트 초기 검토 단계 시간 가속
가상으로 생성하는 데이터는 정확하게 부족한 데이터 경우에 맞추어 제작할 수 있으므로 인공지능의 정확도를 개선하는데 탁월한 효과를 냅니다.
초기에 데이터가 절대적으로 부족한 상황에서 데이터 균형을 맞추고 빠르게 인공지능 검사 시스템을 구축할 수 있습니다.
불균형 데이터의 수량의 비율을 유사하게 맞추기 위해 필요한 시간을 예측하기 어려운 상황에서 EZ Defect의 불량 생성 기술은 유용하게 사용 될 수 있습니다.



<프로젝트를 올바르게 검토할 수 없는 데이터 불량 불균형>

2. 배포 단계에서 특정 유형의 부족한 성능을 개선
배포 단계에서는 다양한 유형 뿐 아니라 개별 유형 내에서도 여러 코너 케이스가 반영되어야 안정적인 시스템을 운용이 가능합니다.
EZ Defect는 이를 위해 다양한 상황의 코너 케이스 결함 조건에 대해서 가상으로 데이터를 생성하여 보충할 수 있으므로
극한의 성능을 이끌어내기 위한 학습 데이터 보강의 용도로 활용이 가능합니다.



<자유롭게 원하는 특정 유형의 불량을 손쉽게 생성>

인공지능 검사 시스템의 품질은 학습에 사용된 데이터의 품질과 다양성이 매우 중요합니다. EZ Defect를 통해 초기 데이터를 빠르게 확보하고
배포 단계에서는 다양한 유형의 불량을 보완하여 제조 현장의 인공지능 검사 시스템을 빠르고 강력하게 만들어 드리겠습니다.