이미지 집합 수집

ViDi 프로젝트를 위해 이미지 수집을 시작할 때, 이미지를 라인, 날짜, 제품 등 별로 등록하는 것이 좋습니다.

ViDi 프로그래밍에서 가장 중요한 요소는 배포 단계에서 소프트웨어가 만나게 될 것으로 기대되는 것에 기초한 이미지 집합을 만드는 것입니다. 이러한 이미지에는 ViDi가 정확한 결정을 할 수 있도록 필요한 모든 정보가 포함되어야 합니다. 수작업 검사자들이 부품을 집어 들어서 수작업으로 기울이고 회전하며 결함을 찾는 시나리오를 찾아 보십시오. 이를 통해 이러한 결함을 찾기 위해 특정한 각도나 조명을 이용해 이미지를 캡처해야 하는 경우 알 수 있습니다.

또다른 시나리오는 인간 검사자가 부품에 있는 먼지나 기름을 보고 이를 집어 들어 수작업으로 닦아내는 경우입니다. 먼지/기름이 결함과 혼동될 수 있다면, ViDi에게 먼지/기름도 가르쳐야 합니다.

이 이미지 집합은 카메라에 캡처될 수 있는 가능한 변동을 모두 포함해야 합니다. 이렇게 하는 목적은 데이터 집합을 적절하게 일반화하는 것입니다.

일반화란 딥 러닝의 개념으로, 트레이닝 중에 이용되지 않은, 새로 촬상한 이미지를 이용할 때 도구가 얼마나 효과적인지를 판단하는 것입니다. 일반화가 잘된 도구는 새로운 데이터에 대한 성과가 우수합니다. 이 시나리오에서, 신경망에 의해 형성된 모델은 최초 트레이닝 집합에 적합해야 하며, 아직 보지 않은 이미지에서 만나게 되는 새로운 데이터를 설명해야 합니다.