수아랩은 머신 비전에 특화된 딥러닝 검사 솔루션을 제공하는 기업이다. 구체적으로, 섬유 산업의 나염 공정에서 불량을 검출하는 딥러닝 검사 솔루션을 제공하는 것으로 시작한 기업이다. 검사 자동화 프로세스가 없던 섬유 산업의 나염 공정에 머신 비전 기술을 세계 최초로 접목했다.
한편, 수아랩은 미국 나스닥 상장사인 코그넥스에 2,400억에 판매된 성공적인 기업이다. 엑싯(Exit: 창업 후 출구 전략)을 바라는 많은 스타트업의 롤 모델인 기업인 수아랩의 특허를 하나 설명하고자 한다.
본 포스팅에서 설명할 특허는 인공 신경망 모델을 훈련시키는 방법과 관련된 특허이다.
[특허 내용]
이미지를 클릭하면 등록특허공보 전문을 확인할 수 있다.
본 특허는 공장 등에서 정상품과 불량품의 분포는 자연적인 확률 분포인 베이불 분포를 따르게 된다는 것을 인공 신경망 훈련 시 활용하겠다는 것과 관련된 특허이다.
본 특허 내용에 따르면, 히든 레이어의 출력 값들인 피쳐들의 분포를 우리가 알고 있는 자연적인 확률분포인 베이불 분포로 피팅 되도록 강제적으로 학습시키게 된다.
구체적으로, 인공 신경망을 훈련시킬 때, 히든 노드의 피쳐 값의 분포가 자연적인 확률 분포인 베이불 분포와 유사한 경우 해당 히든 노드를 활성화하도록 가중치를 업데이트하는 방향으로 트레이닝을 해준다. 해당 히든 노드가 불량 제품 검사 시 불량임을 인식할 수 있는 특성에 관련될 가능성이 높기 때문이다.
한편, 히든 노드의 피쳐 값의 분포가 자연적인 확률 분포인 베이불 분포와 거리가 있는 경우 히든 노드를 비활성화하도록 가중치를 업데이트하는 방향으로 트레이닝을 해준다. 해당 히든 노드가 불량 제품 검사 시 불량임을 인식할 수 있는 특성에 관련될 가능성이 낮기 때문이다.
이렇게 트레이닝을 수행하게 되면, 실제 피쳐들의 값의 분포 자체가 실제 자연환경에서 어노말리 데이터(anomaly data, 이상 데이터)가 나오는 분포와 동일하게 유지된다. 따라서, 어노멀리를 효과적으로 잡을 수 있도록 전체 뉴럴 네트워크가 학습될 수 있다고 한다.
이 글은 표시된 게시일을 기준으로 작성된 자료입니다. 개별 사안에 대한 검토는 상담을 통해 안내합니다.