한글내용
(Korean Abstract) |
최근 이미지 분류에서 심층 신경망의 성능 향상에도 불구하고, ImageNet을 학습한 합성곱 신경망 (CNN) 은 이미지 내 객체가 지닌 복잡한 시각적 특징이 아닌 이미지의 질감 정보에 의존해 이미지를 분류하는 경향을 보인다. 신경망의 이러한 질감 편향성을 해결하고자, 질감이 수정된 이미지들을 생성하여 해당 이미지들에 대해 신경망을 학습시키는 방법이 제안되었다. 이러한 방법은 분포 외 샘플들에 대해서는 모델의 분류 성능을 향상시키지만, 동일 분포 내 샘플들에 대해서는 그 분류 정확도가 감소하는 현상을 보인다. 이를 해결하고자, 본 논문에서는 사람은 이미지의 질감보다 객체의 형태에 의해 이미지를 분류하는 경향이 있다는 사실에 기반하여 물체의 전경과 배경의 질감에 독립적으로 변화를 주어 결과적으로 객체의 형태가 강조되는 데이터 증강 기법을 제안한다. 즉, 객체의 내/외부에 서로 다른 변화를 가함으로써 신경망이 갖는 질감에 대한 편향을 줄임과 동시에 학습 과정에서 객체의 형태를 보다 강조한다. 다양한 실험을 통해 제안된 방법이 신경망의 질감 편향을 성공적으로 줄일 뿐만 아니라 동일 분포 내 데이터 샘플에 대한 분류 성능도 기존 방법 대비 성공적으로 향상시킴을 보인다. |
