🏆20

도전 과제: MVTec 데이터셋으로 이상 탐지 시스템 구축

Day 4: 이상 탐지 (비지도 학습)

학습 목표

이상 탐지 모델을 선택하고 학습하여 제조 이미지의 이상을 감지한다 AUROC 0.90 이상을 달성하는 모델을 구축한다

AI로 학습하기 — 꿀팁
🤖MVTec 이상 탐지 시스템 설계 검토AI 학습 팁

MVTec 데이터셋으로 구축한 이상 탐지 시스템의 임계값 설정, 모델 선택, 배포 전략을 AI에게 종합 검토받으세요.

MVTec 데이터셋을 활용한 제조 외관 이상 탐지 시스템을 구축했습니다. 다음을 검토해 주세요: 1) PatchCore 모델에서 정상/이상 경계 임계값을 실제 공장 불량 허용 기준(예: 100ppm)에 맞춰 Precision-Recall 커브로 결정하는 방법, 2) MVTec 텍스처 카테고리(가죽, 금속, 타일)별로 모델 성능 차이가 나는 원인과 각 유형에 맞는 전처리 차이, 3) 학습 시 정상 이미지만 사용했는데 양산 시 새로운 불량 유형이 등장할 때 모델 갱신 전략, 4) 탐지 결과(Anomaly Map)를 현장 작업자가 이해하기 쉬운 형태로 시각화하는 방법. 각 항목에 대해 구체적인 구현 방법과 코드 패턴을 제안해 주세요.
이 팁이 도움이 됐나요?