조지아공대 연구진이 최신 객체탐지 모델들이 어두운 피부 톤 보행자를 밝은 피부 톤보다 평균 5% 덜 정확하게 탐지함을 발견했습니다. 보행자 시야 가림, 시간대 등 변수 보정 후에도 격차는 지속됐습니다.
대부분 객체탐지 알고리즘이 백인 위주 공개 데이터셋으로 훈련됐고, 어두운 피부톤 데이터엔 가중치를 적게 뒀기 때문입니다. 작년에도 MS·IBM·메그비 안면인식 시스템이 어두운 피부 성별 오인식률이 높음이 드러난 바 있습니다.
연구진은 인종 다양성 데이터 포함과 소수 그룹 데이터 가중 학습으로 개선 가능하다고 봅니다. 상용 자율차 모델이 아닌 연구용 모델 대상이나, 실제 결함과 리스크를 보여주는 중요한 시사점입니다.
참조: arXiv:1902.11097 | 조지아공대
산업기술
주문형 제조의 부상 주문형 경제가 공식적으로 도래했습니다. 아마존의 이틀 배송과 당일 배송 서비스부터 미디어 스트리밍 플랫폼과 식료품 배송 구독까지, 불과 몇 십 년 전만 해도 상상할 수 없었던 것들이 이제 표준이 되었습니다. 이 새로운 경제 모델은 소비자가 소매, 금융, 미디어, 엔터테인먼트, 숙박 분야에 접근하는 방식과 인력 파견, 운송 등 서비스에 참여하는 방식을 혁신하고 있습니다. 주문형 경제가 촉발한 급속한 변화 속도를 따라잡기 위해 전 산업의 조직들은 비즈니스 모델을 수정하여 민첩성과 유연성을 높이려 합니다. 이러한
가공의 가장 좋아하는 측면 중 하나는 제조업체와 애호가들이 마스터할 수 있는 많은 공정이 있다는 것입니다. 우리는 과거에 이러한 공정 중 여러 가지를 논의했고 이 게시물에서는 항상 엄청난 관심을 끄는 하나를 더 자세히 살펴보겠습니다: 하드 터닝(hard turning). 하드 터닝이 무엇인지 간단한 정의로 시작해 보겠습니다. 하드 터닝은 58~70 HRC 경도 사이의 공작물을 단일 포인트로 절삭하는 공정입니다. 이 공정은 1990년대 초반 새로운 공구 재료의 가용성과 터닝 머신 자체의 향상된 능력 및 강성 덕분에 개발되기 시작했습
