학회 후기 

 이번
학회는 코엑스에서 진행되었다. 주로 대학교나 회사 사옥과 같은 장소에서 진행되었는데 이번에는 조금 색다른
느낌이 들었다. 첫 BI학회 참석이었고, 발표자는 대부분 같은 학교 사람들이어서 주변 연구실 사람들의 연구 결과들을 알 수 있었던 자리였다. 대부분의 발표가 neural network, 그중에서도 CNN과 RNN이 가장 많았고,
GAN에 대한 연구들도 꽤 있었으며 많은 연구들이 좋은 성능을 갖는 모델에 더해 어느정도의 해석까지 포함하여 연구를 진행했다. 딥러닝이 대부분의 연구에서 사용된다는 것은 물론 비선형 모델을 해석하려는 노력들도 직접적으로
느낄 수 있었다. 연구실 소속으로 학회에 참석하는 것은 두 번째 이며 저번 NC AI DAY와는 다르게 대부분 산업공학을 전공하시는 분들이 많아 익숙한 주제들이 많았다. 또한 비슷한 분야에서의 연구들을 보고 발표를 들으며 좋은 자극들을 많이 받을 수 있었다.

GASNet: Generation and Segmentation
Networks for Identifying Wafer Defect Patterns 

 학회의
가장 첫 발표였으며, wafer 불량 탐지에 관한 내용이었다. 반도체
공정에서 불량 탐지는 중요한 이슈인데, 기술이 점점 발달하면서 불량 레이블을 갖는 데이터의 양은 점점
줄어들고 있다. 이러한 경우 지도 학습(분류 모델)에서는 학습이 제대로 되지 않아 좋은 성능을 기대하기 어렵다. 이
때 GAN을 이용하여 불량 레이블의 데이터 포인트 하나가 아닌 분포를 생성하여 학습시키는 방법으로 더
좋은 분류 모델을 구축할 수 있었다. 데이터 불균형의 문제는 분류 모델에서 많이 발생하며 중요한 문제이다. 이러한 문제상황에서 GAN을 이용하여 극복하려고 하였으며 기존 모델의
성능보다 좋은 결과를 얻었다. 들으면서 생각났던 비슷한 연구는 GAN을 이용하여 missing value를 생성하는 것이었고, GAN이 잘 학습만 된다면 데이터가 불완전한 문제상황에서 좋은 해결책이 될 수 있다고 생각한다.

Deep Learning을 활용한
X-ray 영상 진폐 진단 보조 시스템 연구 

 발표의 주제는
의료 데이터에 관련하여 진폐증 여부를 판단하는 분류 모델에 대한 연구였다. CNN의 모델을 적용하여
분류 모델을 구축하였고, 높은 정확도를 얻었다. 또한 Class activation map을 사용하여 어떤 부분 때문에 이러한 판단을 하게 되었는지 해석에 대한 부분도
시각화하여 보여주었다. 딥러닝을 활용한 분류 모델의 성능이 인간보다 좋다는 것은 그리 놀라운 일이 아니다. 여러 활발한 연구들이 진행되었고 좋은 분류 성능에 더해 어느 정도의 해석이 가능해 졌다. 모델 성능에 더해 해석이 중요한 분야들이 많은데, 의료분야의 경우도 이런 분야에 속한다. 이번 연구에서도 의료데이터를 활용하여 좋은 결과를 나타내게 되었고, 앞으로도
의료데이터를 활용한 좋은 연구들이 많이 진행되어 의학 발전에 좋은 영향을 주었으면 좋겠다.