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] MS Azure 하이브리드 클라우드 서비스와 비교하여 왜(Why) 어플라이언스 Azure Stack 하이브리드 클라우드를 도입해야하는 이유는 무엇때문일까요? 도입하는 과정에서 어려움과 고려할 점은 무엇이 있나요?
azure stack 을 도입해야 하는 경우는 보통 네트워크 latency 또는 내부 규정에 의해서 데이터를 외부로 나가면 안되는 경우가 주요 도입 이유이며, Azure 와도 연계하여 서비스를 하는 경우라면 동일한 API, UI, Architecture 라서 검증이 되어 있습니다. 도입 과정에서 어려움과 고려 사항은 곧 설명 드릴 예정입니다.
[질문] 고객이 이 애저스택을 구매한다면, 셋팅된 하드웨어의 소유는 고객인가요? MS 인가요? 즉, 고객사에서 자산으로 등록해야하는건지요.
하드웨어 소유는 고객님께서 구매하시는 것이므로 고객님 소유가 됩니다.
아 네. 이게 고객이 클라우드 서비스만 구입하는게 아니라 하드웨어를 포함해서 구매하는 것인가보네요.
H/W는 Microsoft의 CPS(Cloud Platform System) 파트너쉽을 확보한 Dell EMC가 공급합니다 :)
[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.