[학회 후기]

 2021년 대한산업공학회 추계학술대회는 온라인과 오프라인을 병행하는 형태로 진행되었다. 인턴 시절을 포함해 네 번의 추계학술대회 참석이며 시간이 흐르는 속도에 다시 한번 놀라게 되는 그러한 학회였다. 인공 지능 관련 문제 해결, 알고리즘 연구들이 주를 이루며 산업 공학의 근간이 되는 최적화, 생산 계획 등 많은 연구들을 살펴 볼 수 있었다. 나의 연구 분야인 이상 탐지 관련 연구들도 다수 확인할 수 있어 즐거운 학회였다.

[발표 후기]

- 합성 이상 이미지 생성 기반 이상 탐지 및 이상 지역 탐지

제조업을 포함한 많은 산업 분야에서 대부분 수집되는 데이터는 일반적으로 등장 할 수 있는 일종의 정상 데이터이다. 하지만 매우 작은 소수인 이상 데이터를 정확히 인지하여 문제가 있음을 인식할 수 있는 알고리즘은 많은 수요가 있지만 굉장히 어려운 문제이다. 본 연구에서 정상 데이터만 사용해 정상과 유사하지만 조금의 차이가 있는 합성 데이터를 생성해 이상 데이터로 정의하고 단일 범주 문제를 지도 학습 문제로 변경하는 방식을 제안하였다. 딥러닝 기반 데이터 증강 기법을 적용해 입력 이미지에 왜곡을 가하고 왜곡된 부분을 기존 이미지에 붙여넣어 이상 이미지를 생성하였다. 붙여 넣은 영역을 인식하게 하는 Semantic segmentation와 이상 여부를 예측할 수 있도록 하는 두 문제를 결합하는 Multi-task Learning 방식의 네트워크를 제안하였다. 

질문 1: 실험한 데이터(MVTecAD-Texture, Object) 중 어떤 쪽에 초점을 맞추어서 제안 방법론을 개발하게 되었는가?

답변: Object 데이터에 초점을 맞추어 학습 방식을 제안하였지만 Texture에서 월등하게 성능이 높아진 것을 확인할 수 있다. 이 부분에 대해서 계속해서 고민하고 있다.

[청취 후기]

- Vision Image Transformer based on Anomaly Detection and Localization(이윤승, 강필성 - 고려대학교)

동일한 데이터로 연구하고 있는 사람을 산업공학회에서 만난 것 부터 반가웠다. 추가적으로 연구자 분이 바로 옆 연구실에 계시는 분이라 반가움이 더 커졌다. 일반적으로 이상 탐지 및 이상 지역 탐지 문제를 Autoencoder를 기반으로 해결하고자 하는 많은 연구가 있는데, 해당 발표도 연구 흐름 상 동일한 맥락이었다. Autoencoder의 Encoder를 Vision image transformer로 하여 이미지의 차원 축소를 진행하고, 축소된 특징 벡터를 전치 합성곱과 합성곱 연산을 사용해 입력 이미지와 동일하도록 복원하는 네트워크를 제안하였다. Transformer는 Computer vision 분야에서 많은 각광을 받고 있고 이를 이상 탐지 문제에 적용하는 것이 주요 기여점으로 생각한다. 현재 기여점에 새로운 내용을 추가해야 논문이 될 것이라는 생각이 많이 들었다. Autoencoder 모델 자체에 대한 추가적인 생각이 필요할 것으로 생각한다.

- Volumetric Representation Learning for Wafer Pattern Recognition(송승환, 백준걸 - 고려대학교)

반도체 웨이퍼의 불량 유형을 인식하는 문제를 해결하면서 2D 데이터를 3D 데이터로 복원하는 문제였다. 인상적인 부분은 2D 데이터를 3D 데이터로 복원하는 것이 었는데, Encoder-Decoder 구조를 가지는 네트워크를 사용해 3D 데이터를 복원하고 복원된 데이터가 또 다른 패턴 인식기에 입력되어 분류를 진행하였다. Wafer 구조가 3D로 표현 되어 있는 데이터가 없어 정량적 평가는 어렵지만 상당히 3D 스러우며 불량 유형을 잘 반영한 것처럼 보였다. 2D 데이터로 다시 복원하는 손실 함수를 추가한다면 좋은 연구 주제가 될 수 있을 것 같다.