🧠 프로젝트 소개: 반도체 결함 검출을 위한 딥러닝 모델 실습

이 프로젝트는 반도체 비전 검사 환경을 모사한 이미지 데이터셋을 기반으로, 딥러닝 모델을 학습하고 성능을 시각화하는 것을 목표로 합니다.
최종적으로는 DAGM 2007 데이터셋을 넘어서는 고난이도 결함 이미지에도 도전합니다.

🎯 목표

  • DAGM 2007 데이터셋을 활용한 결함 분류 및 탐지 모델 학습
  • ResNet, YOLO 등 다양한 모델 시도 및 성능 비교
  • 학습 결과를 loss curve 시각화를 통해 분석하고,
    이를 기반으로 learning rate 튜닝 등 모델 최적화 수행
  • DAGM보다 더 어려운 결함 데이터셋으로 확장 도전

🗓️ 진행 일정

기간 내용
1주차 머신비전 개요 및 이미지 전처리 실습
2~4주차 DAGM 2007 데이터셋 기반 모델 학습
- ResNet, YOLO 등 다양한 모델 실험
- 성능 평가 및 loss/accuracy 시각화
- 하이퍼파라미터 튜닝
5주차 더 어려운 데이터셋에 도전 (도메인 일반화 테스트)

📌 결과 요약

  • 학습 곡선(Loss Curve)을 통해 Learning Rate 최적화
  • 다양한 CNN 기반 구조 실험 및 탐지 정확도 개선
  • 실험 결과 및 코드 기록 → 실험 기록 보기

🔧 사용 기술

  • Python, PyTorch
  • OpenCV, Albumentations
  • Matplotlib, Seaborn (시각화)
  • Jupyter Notebook / Google Colab

📁 데이터셋

👥 Contributors

  • smLee , jhj1111, frozenreboot, ausudu 스터디 팀원