KSC 2019
Current Result Document :
| 한글제목(Korean Title) |
VADA의 가상 적대적 학습 기법 적용에 따른 성능 분석 |
| 영문제목(English Title) |
Performance Analysis of Virtual Adversarial Training on VADA |
| 저자(Author) |
이종현
윤성로
Jonghyun Lee
Sungroh Yoon
|
| 원문수록처(Citation) |
VOL 46 NO. 02 PP. 0658 ~ 0660 (2019. 12) |
한글내용
(Korean Abstract) |
비지도 도메인 적응(unsupervised domain adaptation)은 레이블 정보를 아는 소스 도메인과 레이블 정보를 모르는 타겟 도메인을 이용하여 타겟 도메인에서의 성능을 올리는 작업이다. 이러한 도메인 적응의 방법론 중 가장 좋은 성능을 보이는 방법은 적대적 도메인 적응이다.
본 논문에서는 여러 적대적 도메인 적응 모델 중 가장 대표적인 VADA(Virtual Adversarial Domain Adaptation)에 대한 분석을 하였다. VADA를 발표한 논문에서 새롭게 제안했던 손실 함수 중 가상 적대적 학습을 통한 손실 함수의 영향을 알아보기 위해 원본 이미지에 가해주는 섭동(perturbation)의 크기를 조절하여 VADA의 성능에 어떤 변화를 주는 지 살펴보았다. 그 결과, 섭동의 크기에 크게 상관없이, 가상 적대적 학습을 추가함으로써 성능의 향상을 얻을 수 있었으며 섭동의 크기와 타겟 분류기의 성능은 일정한 상관관계를 갖지 않고 특정값에서 최적값을 가졌다. 본 논문에서는 가상 적대적 학습의 영향을 데이터 증량의 효과와 손실 함수 표면의 변화의 효과로 해석했으며, 섭동의 크기가 왜 적절한 값에서 최적값을 갖는지 이유에 대해서 해석했다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
