초록
우리는 픽셀 단위 분류 네트워크와 조건부 정규화 흐름(CNF) 네트워크를 특징 추출기 공유 방식으로 결합한 새로운 딥러닝 기반 이상 탐지(AD) 시스템을 제안한다. 본 연구에서는 사전 훈련된 CNF 네트워크의 특징 추출기를 미세 조정하기 위해 합성 이상 데이터를 사용하여 픽셀 단위 분류 네트워크를 훈련함으로써 도메인 내 데이터의 구별 가능한 특징을 학습한다. 이후, 미세 조정된 특징 추출기를 사용하여 정상 데이터로 CNF 네트워크를 훈련하여 정상 데이터의 밀도를 추정한다. 추론 단계에서는 픽셀 단위 분류 네트워크와 CNF 네트워크로부터 도출된 이상 점수의 가중 평균을 계산하여 이상을 탐지한다. 제안하는 시스템은 도메인 내 데이터의 특성을 학습하는 동시에 분류 및 CNF 네트워크의 이상 점수를 통합하기 때문에, MvTecAD 및 BTAD 데이터셋을 활용한 실험에서 기존 방법보다 훨씬 우수한 성능을 보였다. 또한, 분류 및 밀도 추정 시스템이 특징 추출기를 공유하므로 계산량이 크게 증가하지 않아 효율적인 구현이 가능하다.