초록
산업재의 표면 이상 탐지는 다양한 산업 제조 공정에서 중요한 과제로 남아 있다. 최근 들어 자연 이미지에 사전 훈련된 네트워크를 활용하여 대표적인 특징을 추출하는 방법론들이 등장하였으며, 이러한 특징은 메모리 백업, 정규화 흐름, 지식 전이 등 다양한 기법을 통해 처리되어 높은 정확도를 보이고 있다. 본 논문은 사전 훈련된 특징 기반 접근법을 재검토하며, 대상 특성에 특화된 임베딩을 중심으로 하는 새로운 방법을 제안한다. 고려 중인 질감의 가장 대표적인 특징을 포착하기 위해, 훈련 과정에서 인공적으로 생성된 결함 샘플과 결함 없는 샘플을 모두 포함하는 대조적 훈련 절차의 변형을 사용한다. 표면의 내재적 특성을 활용하여 훈련 중 결함이 없는 샘플로부터 의미 있는 표현을 도출함으로써, 이상 점수를 간단하면서도 효과적으로 계산할 수 있도록 하였다. MVTEC AD 및 TILDA 데이터셋에서 수행한 실험 결과, 제안하는 방법이 최신 기술 대비 경쟁력을 갖추고 있음을 입증하였다.