비정상 특성을 고려한 메모리뱅크 기반 비정상 탐지 기법

초록

정상 검출 연구는 비정상적인 패턴을 탐지하여 정상과 비정상의 차이를 식별하는 연구 분야로, 학습 과정에 대부분 정상 데이터만 존재한다고 가정하는 단일 클래스 분류 환경에서 연구된다. 이중 메모리뱅크 기반의 방법들은 정상 특성만을 활용하여 결함을 탐지하는데, 새로운 정상 특성이 나타났을 때 이를 비정상으로 오인할 수 있는 한계가 존재한다. 또한, 메모리 제약으로 인해 정상 특성의 양이 한정되어 결함 검출 성능이 제한될 수 있다. 본 논문은 이러한 한계를 극복하기 위해 확보된 비정상 데이터의 특성을 활용하는 Anomaly Bank의 도입을 제안한다. 세부적으로 비정상 영역에서 추출된 특징 벡터를 Anomaly Bank에 저장하여 추론 시 비정상 판별에 활용한다. 제안된 방법을 메모리뱅크 기반 모델인 PatchCore[1]에 확장 적용하여 준지도학습 환경으로 수정한 MVTec AD 데이터셋에서 실험했을 때, 기존 대비 향상된 결함 검출성능을 보여준다.