Current Result Document :
| 한글제목(Korean Title) |
준 지도학습 성능 향상을 위한 커리큘럼 학습 기반 믹스 업 |
| 영문제목(English Title) |
Boosting Semi-Supervised Learning with Mixup based on Curriculum Learning |
| 저자(Author) |
김아현
홍대영
심규석
Ahhyeon Kim
Daeyoung Hong
Kyuseok Shim
|
| 원문수록처(Citation) |
VOL 49 NO. 02 PP. 0864 ~ 0866 (2022. 12) |
한글내용
(Korean Abstract) |
기계 학습은 여러 분야에서 괄목할만한 성능을 보이지만, 이러한 성능을 내기 위해서는 충분한 양의 데이터가 필요하다. 하지만, 데이터에 레이블을 붙일 때 큰 비용이 드는 경우가 많아 적은 양의 레이블이 있는 데이터와 레이블이 없는 데이터를 추가적으로 함께 사용하여 모델을 학습하는 방법인 준 지도학습이 연구되고있다. 본 논문에서는 주어진 데이터를 더욱 효과적으로 사용하기 위해 기존 데이터가 부족한 상황에서의 기계 학습에서 우수한 성능을 보인 데이터 증강 기법을 사용하되, 모델의 성능에 따라 모델 학습 시에 도움될 만한 난이도로 데이터를 증강하는 커리큘럼 데이터 증강법이라는 기법을 제안한다. 제안하는 방법의 효용성을 확인하기 위해 이미지 벤치마크의 이미지 분류를 진행하였고, 제안한 학습 방법이 기존 준 지도 학습법보다 성능이 우수함을 보였다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
