20. 불량타입 총 8가지
• Center
• Donut
• Edge-Loc
• Edge-Ring
• Loc
• Random
• Scratch
• Near-full
21. 데이터 불균형 문제가 존재
데이터 확대의 필요성
Convolutional Autoencoder를 이용
22. Autoencoder Generative Adversarial Networks
차원이 적은 데이터가 있어도 다시 복원할 수
있도록 특징을 찾아내는 것이 목표.
영상 의학 분야 등 아직 데이터 수가 충분하지
않은 분야에서 사용.
부족한 학습 데이터 수를 효과적으로 늘려주는
효과.
임의의 Noise로부터 리얼한 영상을 만들어 내
는 신경망.
결과는 매우 뚜렷. 실제같음. 완전한 가상의 이
미지를 만들어냄.
Autoencoder선택
35. 연구결과에 대한 신한정밀공업(주)의 입장
신한정밀공업(주)는 현대모비스에 자동차부품을 공급하는 업체로서,
내연기관에서 전기차생산으로 바뀌는 자동차업계의 흐름에 올라타, 전기차시장에서 선두주자가 되고자한다.
이번 연구성과는, 자동차 반도체를 공급할 때, 관련 업계에 매우 유용한 서비스로 간주 됨에 따라,
반도체업계에서 반도체 수율을 높이는 새로운 Innovative algorithms 으로써 고려할 수 있음