[학회 후기]

2022년 IEEE International Conference on Industrial Engineering Applications (ICIEA) 학회는 온라인 학회 및 오프라인 학회를 병행하는 형태로 진행되었다. 기존에는 중국에서 진행될 오프라인 학회를 참석할 예정이었지만 COVID 19 방역 수칙으로 인해 참석하지 못하였다.  이번에 발표를 진행한 세션 명은 'Image processing technology and method' 이었다. Computer vision 분야의 주요 문제들을 한 세션에서 들을 수 있었던 세션이었다. 또한, ICIEA 학회에서 Computer vision 문제에 관한 발표가 많아진 점 역시 흥미로운 점이었다. 산업 공학의 주요 문제인 최적화 문제, 생산 계획 뿐만 아니라 Computer vision 주요 알고리즘을 현실 문제에 적용하는 연구들이 많아졌다는 것은 매우 반가운 점이었다.

[발표 후기]

발표 제목: Synthetic Anomaly Image Generation for Anomaly Detection and Segmentation

이상 탐지(Anomaly detection)는 제조업 뿐만 아니라 모든 분야에서 중요하게 다루고 있는 문제다. 정상 데이터는 다수 존재하며 이상 데이터가 극히 적을때 사용하는 방법론을 일컷는다. 하지만 단순하게 이상 여부만 인식하는 것이 아니라 어떠한 부분이 이상인지 알려주는 이상 지역 인식(Anomaly segmentation) 역시 중요한 문제로 여겨지고 있다. 나의 발표 내용이 앞에서 설명한 두 문제를 동시에 해결할 수 있는 방법론을 제안하는 내용이었다. 이상 데이터의 수는 극히 적기 때문에 이를 가상으로 생성하고 학습에 이용하는 것이 나의 방법론이다. 가상으로 이상 데이터를 생성하기 위해 우선적으로 합성곱 오토인코더를 학습시킨다. 다음으로 이상 생성을 위해 해당 모델의 특징 지도를 여러 방식으로 왜곡하여 가상 데이터를 생성하였다. 가상 데이터의 일부를 추출해 원본 데이터에 붙여 넣음으로써 가상의 이상 데이터를 생성하였다. 다음으로 정상 데이터에서 변경된 영역을 이상 영역이라 정의하고 이를 Semantic segmentation 모델로 인식하도록 하였다. 추가로 Multi-layer perception을 Segmentation 모델에 추가하여 이상 여부를 인식하도록 하였다. 제안 방법론을 검증하기 위해 MVTec 데이터 셋을 사용하였다. 데이터 셋을 공개하며 베이스라인으로 제시한 Autoencoder 두 가지와 비교 했을때 이상 탐지 성능은 뛰어났다. 이상여부 인식 성능은 15개 중 7개가 비교 방법론 대비 뛰어난 성능이라는 것을 입증하였다. 향후 계획으로는 제안 방법론 성능을 고도화하여 논문을 제출하는 것이다.

질문 1: 대학원 생인지 학부 생인지?

답변: 대학원 생이다.

질문 2: 몇학년인지?

답변: 석박통합 4년차이다.