1 |
1
제품 영상으로부터 특징 값을 추출하는 특징 추출부와,상기 특징 값에 대한 확률분포에 근거해 기본 특징 값을 샘플링하고 기본 특징 값으로부터 복수의 특징 값을 샘플링하는 특징 샘플링부와,상기 샘플링된 복수의 특징 값을 입력 받아 심층 신경망을 통해 분석하여 제품 결함 분류를 수행하는 분류부를 포함하는 특징 생성 기술을 이용한 머신러닝 기반 결함 분류 장치
|
2 |
2
제1항에 있어서,상기 특징 추출부는 추출한 특징 값의 확률분포가 특정한 확률분포가 되도록 KL 다이버전스 손실(KL-divergence loss) 함수를 이용해 학습되는 것을 특징으로 하는 특징 생성 기술을 이용한 머신러닝 기반 결함 분류 장치
|
3 |
3
제1항에 있어서,상기 특징 샘플링부는 상기 특징 값에 대한 확률분포에서 두 개의 특징 값을 선택하고 두 개의 특징 값 사이에서 가중치를 변화시켜 복수의 특징 값을 샘플링하는 것을 특징으로 하는 특징 생성 기술을 이용한 머신러닝 기반 결함 분류 장치
|
4 |
4
제1항에 있어서,상기 분류부는 제품 영상에 대한 실제 정답 분류값과 출력한 분류값 간의 크로스 엔트로피(cross entropy)로 구성된 분류 손실 함수를 이용해 학습되는 것을 특징으로 하는 특징 생성 기술을 이용한 머신러닝 기반 결함 분류 장치
|
5 |
5
제품 영상으로부터 특징 값을 추출하는 특징 추출부와, 특징 값에 대한 특정의 확률분포에 근거해 샘플링된 복수의 특징 값을 입력받아 학습된 이후 상기 특징 추출부로부터 입력 받은 제품 영상의 특징 값을 분석하여 제품 결함 분류를 수행하는 분류부를 포함하는 특징 생성 기술을 이용한 머신러닝 기반 결함 분류 장치
|
6 |
6
제5항에 있어서,상기 특징 추출부는 특징 값의 확률분포가 특정한 확률분포가 되도록 KL 다이버전스 손실(KL-divergence loss) 함수를 이용해 학습되는 것을 특징으로 하는 특징 생성 기술을 이용한 머신러닝 기반 결함 분류 장치
|
7 |
7
제5항에 있어서,상기 분류부는 제품 영상에 대한 실제 정답 분류값과 출력한 분류값 간의 크로스 엔트로피(cross entropy)로 구성된 분류 손실 함수를 이용해 학습되는 것을 특징으로 하는 특징 생성 기술을 이용한 머신러닝 기반 결함 분류 장치
|
8 |
8
머신러닝 기반 결함 분류 장치에서 특정 생성 기술을 이용한 결함 분류 방법에 있어서, 제품 영상으로부터 특징 값을 추출하는 특징 추출 단계와,상기 특징 값에 대한 확률분포에 근거해 기본 특징 값을 샘플링하고 기본 특징 값으로부터 복수의 특징 값을 샘플링하는 특징 샘플링 단계와,상기 샘플링된 복수의 특징 값을 입력 받아 심층 신경망을 통해 분석하여 제품 결함 분류를 수행하는 결함 분류 단계를 포함하는 방법
|
9 |
9
제8항에 있어서,상기 특징 추출 단계는 추출한 특징 값의 확률분포가 특정한 확률분포가 되도록 KL 다이버전스 손실(KL-divergence loss) 함수를 이용해 학습되는 것을 특징으로 하는 방법
|
10 |
10
제8항에 있어서,상기 특징 샘플링 단계는 상기 특징 값에 대한 확률분포에서 두 개의 특징 값을 선택하고 두 개의 특징 값 사이에서 가중치를 변화시켜 특징 값을 샘플링하는 것을 특징으로 하는 방법
|
11 |
11
제8항에 있어서,상기 결함 분류 단계는 제품 영상에 대한 실제 정답 분류값과 출력한 분류값 간의 크로스 엔트로피(cross entropy)로 구성된 분류 손실 함수를 이용해 학습되는 것을 특징으로 하는 방법
|
12 |
12
머신러닝 기반 결함 분류 장치에서 특정 생성 기술을 이용한 결함 분류 방법에 있어서, 제품 영상으로부터 특징 값을 추출하는 특징 추출 단계와,특징 값에 대한 특정의 확률분포에 근거해 샘플링된 복수의 특징 값을 입력받아 학습된 이후 상기 특징 추출 단계에서 추출된 제품 영상의 특징 값을 분석하여 제품 결함 분류를 수행하는 결함 분류 단계를 포함하는 방법
|
13 |
13
제12항에 있어서,상기 특징 추출 단계는 특징 값의 확률분포가 특정한 확률분포가 되도록 KL 다이버전스 손실(KL-divergence loss) 함수를 이용해 학습되는 것을 특징으로 하는 방법
|
14 |
14
제12항에 있어서,상기 결함 분류 단계는 제품 영상에 대한 실제 정답 분류값과 출력한 분류값 간의 크로스 엔트로피(cross entropy)로 구성된 분류 손실 함수를 이용해 학습되는 것을 특징으로 하는 방법
|
15 |
15
제품 영상으로부터 추출한 특징 값의 확률분포가 특정한 확률분포가 되도록 KL 다이버전스 손실(KL-divergence loss)를 최소화하는 단계와, 상기 KL 다이버전스 손실이 최소화될 때의 확률분포에서 기본 특징 값을 선택하고 기본 특징 값 사이에서 가중치를 변화시켜 복수의 특징 값을 샘플링하는 단계를 수행하는 프로그램을 저장한 컴퓨터 판독 기록매체
|