제조분야 비전 검사는 크게 다음 3가지 문제가 있고 스누아이랩은 다음과 같은 솔루션으로 접근하고 있습니다.
1. 환경 변화: 신규 라인 증설, 조명, 기구, 센서 등의 변경으로 학습된 특징이 변경되는 드리프트(Drift)가 발생하여 성능이 저하됩니다. 보통은 신규 데이터를 수집하고 학습하는 작업으로 이를 해결합니다. 스누아이랩은 Active Learning 기반의 Sampling 기술로 기존 데이터에 신규 데이터를 소량 썩어서 성능을 유지하도록 합니다.
2. 클래스 불균형: 불량률이 적어서 불량 이미지를 수집하기 어렵습니다. 보통은 과탐을 극대화아고 불량률을 0%로하고 육안 검사로 불량을 검출합니다. 스누아이랩에서는 1차 분류 모델 후 2차 이상 탐지 모델로 육안 검사에 대한 노력을 줄이도록 하고 있습니다.
3. 재학습: 머신러닝 분야는 재학습이 수반됩니다. 재학습을 위해서는 숙련된 머신러닝 기술자가 학습해야합니다. 스누아이랩에서는 일반적인 기술자가 설정된(Coordinated) 환경내에서 재학습을 할 수 있도록 플랫폼을 제공하여 기술 난이도를 낮추었습니다.
[질문] 애플리케이션 개발 시에 보안 코딩(Secure Coding) 시에 컨테이너 기반으로 인해 발생되는 특별한 이슈나 제안이 있을까요?
코드에 의해서 특별히 발생되는 이슈 보다는 컨테이너 자체의 보안 관련 사항을 확인하시는 것이 좋을 것 같습니다.
https://www.synopsys.com/blogs/software-security/nist-application-container-security-guide/
https://docs.docker.com/engine/security/security/
GCP는 잠깐 사용해봤는데 guide는 잘되어 있던데 Azure도 빠른 이해를 위한 guide가 제공되나요?
사용경험상 GCP는 군던더기 없는 엔지니어링 기술이 장점인거 같구요, Azure는 윈도우 솔류션에 가장 적합하면서 리눅스 친화적 노력들이 군데군데 보인다라는게 장점인거 같아요, 특히 Azure는 8조에 인수한 Github가 큰 무기가 될거 같구요.
네, MS에서 Azure에서 운영되는 솔루션에 대해 기본적인 가이드를 제공하고 있읍니다. https://docs.microsoft.com/ko-kr/azure 를 통해 참조할 수 있읍니다.
[질문] Azure도 on-premise 기반에 구축이 가능한가요? 방법은요?
AzureStack 어플라이언스 제품을 활용하시면 on-premise에도 Azure환경과 거의 동일한 Private Cloud환경을 구현할 수 있습니다.
사용자 경험의 극대화 구현을 위한 APM 연관 상관분석 기능도 제공되나요?
APM이라면 어플리케이션 모니터링 관련된 내용을 말씀하시는 건가요?
네.
컨테이너 단위의 CPU, Memory 등의 리소스 사용에 대한 모니터링은 가능하지만, 어플리케이션 내부에 대한 모니터링은 기존에 WAS에 APM을 추가하는 것과 같은 방식으로 작업이 필요합니다. 다만, 아직 컨테이너환경을 지원하지 않는 APM이 있으므로 사용하고자 하는 APM이 컨테이너를 지원하는지 확인이 필요합니다.
디멘죤의 치수를 직접 지정을 하면 디멘죤 치수에 천단위가 기재가 안되는데 하는 방법이 있나요?
치수를 수정하시는 경우TEXT로 인식되어 천단위 표시는 되지 않습니다.
어떤 상황인지 확인은 못하지만 일반적으로 천단위 기재는 문제없이 진행할 수 있습니다. 다만, 치수는 객체와 연관되어, 객체 변경에 따라 같이 변경되도록 작성됩니다. 지금처럼 수동 입력시 연관관계가 깨져 이후 작업, 또는 다른 작업자에게 혼란을 야기할 수 있습니다. 수동입력을 할 수 있도록 가이드 드리거나 권장하지 않습니다.
[질문] 제조 현장에서 제품 표면 불량 유.무를 Deep Learning 으로 이용중에 있습니다. 저희도 정합성이 높긴 한데 귀사의 정합성은 어느정도이며, 과검은 또 어느정도 되는지 궁금합니다.