MemSeg: 차이점과 공통점을 활용한 이미지 표면 결함 탐지용 반교습적 방법

반도체 학습 프레임워크 하에서, 우리는 산업 제품의 표면 결함을 탐지하기 위한 엔드투엔드 메모리 기반 분할 네트워크(MemSeg)를 제안한다. 동일한 생산 라인 내 제품 간의 내부 클래스 변동성이 작음을 고려하여, 차이점과 공통점을 관점에서 MemSeg는 인공적으로 시뮬레이션한 이상 샘플과 메모리 샘플을 도입하여 네트워크 학습을 지원한다. 학습 단계에서는 MemSeg가 정상 이미지와 시뮬레이션 이상 이미지 간 잠재적인 차이를 명시적으로 학습함으로써 강건한 분류 하이퍼플레인을 확보한다. 동시에 인간의 기억 메커니즘을 영감으로 받아, MemSeg는 정상 샘플의 일반적인 패턴을 저장하는 메모리 풀을 활용한다. 입력 샘플과 메모리 풀 내의 메모리 샘플 간의 유사성과 차이를 비교함으로써 이상 영역에 대해 효과적인 추정을 수행한다. 추론 단계에서는 MemSeg가 엔드투엔드 방식으로 입력 이미지의 이상 영역을 직접 결정한다. 실험 검증을 통해 MemSeg는 MVTec AD 데이터셋에서 이미지 수준과 픽셀 수준에서 각각 99.56%, 98.84%의 AUC 점수를 기록하며 최신 기술(SOTA) 수준의 성능을 달성하였다. 또한, 엔드투엔드이자 간단한 네트워크 구조의 특성 덕분에 추론 속도에서 두드러진 우수성을 보이며, 산업 현장에서의 실시간 요구 조건을 더욱 효과적으로 충족시킨다.