자율 시각 검사 방향: 산업 적용 가능한 객체 탐지를 위한 약한 감독 학습 방법

산업용 시각 검사 는 장비 유지보수 및 점검을 위한 현대 산업에서 핵심적인 역할을 한다. 최근 딥러닝 기술의 발전에 따라 스마트 산업 응용을 위한 고도화된 산업 객체 탐지기들이 개발되고 있다. 그러나 딥러닝 방법은 일반적으로 데이터 집약적인 특성을 지닌다. 즉, 데이터 수집 및 레이블링 과정이 인력과 시간을 크게 소모한다. 특히 산업 현장에서는 장비의 다양성과 기밀성 문제로 인해 공개 데이터셋을 수집하는 것이 실용적으로 어려운 경우가 많다. 본 논문에서는 산업용 시각 검사의 자동화를 탐구하고, 약한 레이블링된 시각 데이터로부터 객체 탐지기를 학습할 수 있는 세그멘테이션-집계 프레임워크를 제안한다. 제안된 방법은 경계 박스 없이 이미지 수준의 카테고리 레이블만을 최소한의 레이블링으로 사용한다. 이 방법은 수집한 절연체 이미지 데이터셋과 공개된 PASCAL VOC 벤치마크를 대상으로 구현 및 평가되어 그 유효성이 검증되었다. 실험 결과, 제안 모델은 높은 탐지 정확도를 달성하였으며, 최소한의 레이블링 비용으로 산업 현장에서 자동 시각 검사에 적용 가능한 가능성을 입증하였다.