본 논문은 제품 품질 및 제조 신뢰성을 보장하기 위해 중요한 산업 표면 결함 감지를 위한 자동화된 신경망 구조 설계 프레임워크인 AutoNAD를 제안합니다. AutoNAD는 컨볼루션, 트랜스포머, 다층 퍼셉트론을 결합하여 내부 클래스 차이와 클래스 간 유사성이라는 두 가지 주요 과제를 해결합니다. 이를 위해, AutoNAD는 효율적인 훈련을 위한 cross weight sharing 전략과 multi-scale feature learning을 위한 MFAM(multi-level feature aggregation module)을 도입했습니다. 또한, 효율적인 아키텍처 선택을 위해 latency-aware prior을 활용합니다. AutoNAD의 효과는 세 가지 산업 결함 데이터 세트에서 검증되었으며 결함 이미지 및 감지 플랫폼에 적용되었습니다.
