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.
클라우드 IC서비스중 DR(재해복구) 서비스도 있는지요?
나기문님, 안녕하세요. Cloud Interconnect는 모든 클라우드 서비스 관문에 존재하기 때문에 특정 클라우드 서비스 장애시 다른 클라우드 서비스로 전환이 가능합니다.
[질문] 만약 접속사용자 PC 에 시만텍 보안클라이언트가 있다면, 웹게이트웨이와의 연결을 통해 상호 End to End 보안 품질을 높힐 수 있을 거 같은데요. 이런 개념의 솔루션이 혹시 있을까요?
사용자 PC나 모바일에 Unified Agent로 설치를 통해 WSS 클라우드와 End to End 통신을 통해 웹 보안 클라우드 서비스 제공 가능합니다.
회사내에서 보안 웹 게이트웨이를 사용하고, 회사밖에서는 Unified Agent를 사용해서 웹 보안 서비스를 제공 가능합니다.
[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.