Abstract >이미지에서 weakly- supervised semantic segmentation은 최근에 많은 연구가 되어 왔다. 최근 CAM(Class Activation Map)이 발전된 연구이다. 하지만, CAM은 full과 weak supervisions
비전 기반의 defect recognition은 품질 보증을 위해 널리 사용되고 있다. 딥러닝 기반의 비전 recognition 방법이 accuracyt와 generality에서 기존의 방법보다 우세하다. 학습 비전 기반의 딥러닝 모델들은 많은 양의 라벨 데이터를 요
RUL의 정확한 예측을 위해 본 연구에서는 predictive sliding local outlier correction (PSLOC) method를 제안함. 또한 adaptive state change rate (SCR) 또한 베어링 RUL을 위해 제안한다. 제시한
Abstract 존재하는 도메인 adaptation 기반의 방법론들은 domain invariant featue를 도출하고, 도메인 shift를 다루어 다양한 작동 환경 하에서 RUL을 구하였다. 그러나, 대부분의 방법들은 distribution discrepanci
Abstract제조 분야에서 defective part를 찾아내는 것이 중요하지만, 이 연구는 정상 데이터만 사용하여 학습한다는 문제점이 있다. 클래스 별로 솔루션을 만들 수는 있지만, 궁극적인 목표는 다른 태스크에 자동으로 적용할 수 있는 모델을 만드는 것이다. 최적
Abstract 자동적으로 defect detection을 수행하는 것을 defective 샘플 없이 수행한다. 최근 defect free data에 대한 distibtuion 모델 연구가 진행되어 왔는데, 이는 통계적 priors 에 강하게 의존하거나, 간단한 dat