Data Augmentation Using Neural Style Transfer

최근 AI 기술의 발전으로 반도체 불량 검사에도 AI를 도입하기 위한 연구가 활발히 이루어지고 있다. 하지만 불량 데이터 확보에 있어서 한계가 존재하게 된다. 본 연구에서는 수학적 모델링을 기반으로 한 이미지에 실제 X선 이미지 스타일을 적용하여 문제를 해결하고자 한다. 이를 위하여 VGG19 심층 신경망을 기반으로 한 Neural Style Transfer(NST)을 활용하여 이미지 변환을 시도하였다. NST의 경우 기존의 생성형 모델(StyleGAN)대비 학습에 필요한 데이터가 현저히 적어도 학습이 된다는 장점을 가지고 있어 우리의 목적에 적합하다고 판단되었다. NST의 Hyper parameter인 content_weight(), style_weight() 등의 값을 수정하여 영상 이미지를 변환하였다. 본 연구를 통해 우리는 원본 이미지의 구조적 정보(content)를 보존하면서도 참조 이미지의 특성(Style)을 성공적으로 이식이 가능하다는 것을 보여주었다.