[학회 후기]

이번 학회에는 일반 발표가 아닌 석사논문 경진대회에 참가하게 되어 오프라인으로 발표를 했다. 확실히 온라인으로 참가했던 작년보다 훨씬 현장감이 있었지만, 일부 경진대회만 오프라인으로 개최하고 일반 발표는 온라인이었기 때문에 여전히 진짜 학회의 분위기를 느낄 수는 없었다. 하지만 석사논문 경진대회라는 발표장에 참석할 수 있어서 정말 좋은 경험이었고, 발표 순서가 마지막이라서 매우 부담스럽긴 했지만 준비한 내용을 잘 발표할 수 있었다. 타 발표들에서도 정말 노력한 흔적들을 엿볼 수 있었고, 특히 인공지능쪽 연구는 관심있게 청취를 했다. 일반 발표도 좋은 내용이 많았을 것 같은데 경진대회 참가로 일반 발표를 많이 듣지 못한 점은 아쉬웠다.

[발표 후기]

객체 수준 데이터 증강을 활용한 딥러닝 기반의 강판 표면 결함 검출을 주제로 발표를 했다. 이 연구는 기존에 제안된 객체 수준 데이터 증강을 강판 표면 결함 이미지에 맞게 개선하고 가중 손실 함수를 사용하여 표면 결함 이미지의 분할 성능을 높인 연구이다. 특히, 데이터 불균형이 극심한 상황에서 소수 범주의 성능을 높이기 위해 객체 증강의 특징을 살린 방법론을 제안하였고, 이를 통해 소수 범주의 성능을 높일 수 있었다. 하지만 이 부분에서 튜닝해야할 하이퍼 파라미터가 추가 되다보니 하이퍼 파라미터 탐색과정이 어려웠고, 나름대로 최적값을 선택했다고 했지만 더 튜닝할 수도 있었을 것 같은 아쉬움은 남는다. 또한 배경 복원에서 정상 부분의 평균값을 사용하여 간단하게 복원하는 방법론을 제안하였는데, 성능적인 측면에서 효과를 보긴 했지만 더 나은 방법을 적용해보지 못한 점도 아쉬운 점으로 남는다.

심사위원의 질문에서도 배경 복원에 평균값을 사용한 부분을 지적하였는데, 이 부분이 오히려 결함이 제거된 부위를 두드러지게 하는게 아닌지에 대한 질문이었다. 물론 이미지상으로 보면 평균값으로 채운 부분이 눈에 띄긴 하지만 Ablation Study로 측정해보면 평균값을 사용한 배경 복원이 성능에 기여를 하고 있기 때문에 효과가 있다라고 답하였다. 또 두번째 질문은 제안한 방법론이 강판 표면 결함 데이터말고 다른 데이터에서도 성능을 낼 수 있는가였다. 다른 데이터에는 적용해보지 않았지만, 데이터 불균형이 있는 상황에서 제안 방법론을 그 데이터셋에 맞게 잘 튜닝하여 적용한다면 성능이 나올 것이다 라고 답하였고, 이 부분에 대해서는 추후 실제 한번 해보면 좋을 것 같다.

[청취 후기]

- Two Phase Multivariate to Multivariate Time Series Forecasting Using Self-attention Based Convolutional Autoencoder and Temporal Convolutional Network (황우영, 백준걸 - 고려대학교)

딥러닝 모델을 사용하여 다변량 시계열 데이터를 예측한 연구이다. 설비에서 나오는 다양한 센서 데이터에 대해 각각의 예측 모델을 만든다면 학습시간이 비효율적일 것이고, 하나의 통합된 모델로 단변량 데이터를 예측하면 추가적인 원인을 파악하는 프로세스가 별도로 필요할 것이다. 따라서 이 연구에서는 다변량 데이터를 참고하여 하나의 모델로 다변량 시계열에 대한 예측을 할 수 있게 하였고 이를 통해 학습 시간을 단축하면서도 즉각적인 원인 파악을 할 수 있도록 하였다. 특히 다변량 변수들간의 관계와 각 변수내의 시간 관계를 파악하고자 한 것이 특징이다. 이를 위해 Self-attention based Convolutional Autoencoder를 사용하여 변수들간의 관계를 나타내는 특징 벡터를 추출하고자 하였고, 이 특징 벡터를 다시 Temporal Convolutional Network로 변수내의 시간 관계를 파악하고자 하였다. Autoencoder에서 얻은 특징 벡터를 다시 사용하여 시계열 특성을 추출하고자 한 것이 굉장히 흥미로운 아이디어라고 생각했다. 우리 연구실에서도 다변량 센서 데이터에 대한 연구를 많이 다루고 있는데 참고해보면 좋을 것 같다.