AI
GAN을 이용한 이상탐지
두줄요약
GAN의 생성·판별 모델 개념과 GANomaly 기반 이미지 이상탐지 구조를 설명했습니다. 세 종류의 손실과 이상 점수 산출로 MNIST 정상·비정상 분류를 구현했습니다.
구조와 흐름
- 생성 모델의 데이터 분포 학습과 판별 모델의 분류 경계 탐색 비교
- Generator와 Discriminator의 적대적 학습을 통한 실제 데이터 분포 근사
- Encoder-Decoder-Encoder Generator를 사용하는 GANomaly 기반 이상탐지
해결 방법
- Encoder Loss, Contextual Loss, Adversarial Loss의 가중 합으로 Generator 학습
- 배치 단위로 Discriminator와 Generator를 번갈아 학습
- 잠재 표현과 생성 결과의 잠재 표현 간 SSE를 이상 점수로 산출
적용해볼 점
- MNIST의 1을 정상, 7을 비정상으로 설정한 이상탐지 실험
- Min-max 정규화 점수와 약 0.3 임계값 기반 정상·비정상 구분
