정보과학회논문지 (Journal of KIISE)
Current Result Document :
| 한글제목(Korean Title) |
잠재적 오분류 데이터를 고려한 이미지 분류 딥러닝 모델의 정확도 평가 방법 |
| 영문제목(English Title) |
Accuracy Evaluation Method for Image Classification Deep Learning Model considering Potentially Misclassified Data |
| 저자(Author) |
이영우
송민주
채흥석
Young-Woo Lee
Min-Ju Song
Heung-Seok Chae
|
| 원문수록처(Citation) |
VOL 48 NO. 06 PP. 0657 ~ 0667 (2021. 06) |
한글내용
(Korean Abstract) |
이미지 분류 딥러닝 모델은 이미지가 변형되었을 때 이미지의 유형을 잘못 분류하는 문제가 발생한다. 기존 정확도 평가 방법은 이미지가 변형되어 잠재적으로 잘못 분류될 수 있는 이미지들을 고려하지 않아 이미지의 유형을 정확하게 분류했다고 하더라도 평가 결과를 신뢰하기 어렵다. 본 연구는 잠재적으로 잘못 분류될 수 있는 데이터를 고려한 이미지 분류 딥러닝 모델의 정확도 평가 방법을 제안하였다. 모델과 데이터 셋 별로 잠재적 오분류 데이터를 식별하기 위한 경계 비용을 측정하고, 경계 비용을 바탕으로 잠재적 오분류 데이터를 식별하였다. 그리고 잠재적 오분류 데이터를 고려한 정확도를 측정하였다. 잠재적 오분류 데이터 식별 결과, 0.1～4.2%의 데이터가 잠재적 오분류 데이터로 식별되었으며, 이 중 18 ～60%가 실제로 잘못 분류되었다. 정확도 평가 결과, 정확도가 높은 모델은 이미지 변형에 대해 강건하며, 정확도가 낮은 모델일수록 이미지 변형에 대해 강건하지 못한 것으로 판단되었다.
|
영문내용
(English Abstract) |
Image classification deep learning models have a problem of misclassifying the type of image when the image is modified. As the existing accuracy evaluation methods do not take into account images that can potentially be misclassified due to modification of the image, it becomes to trust the evaluation result even if the type of image is accurately classified. In this study, we have proposed a method for evaluating the accuracy of image classification deep learning models considering the potentially misclassified data. We have measured the boundary cost to identify potentially misclassified data for each model and data set and identified potentially misclassified data based on the boundary cost. Also, we have measured the accuracy considering the potentially misclassified data. As a result of identifying potentially misclassified data, 0.1～4.2% of the data were identified as potentially misclassified data, of which approximately 18～60% were actually misclassified. As a result of the accuracy evaluation, it was estimated that the higher-accuracy model was more robust to image modification, and the lower-accuracy model was less robust to image modification.
|
| 키워드(Keyword) |
잠재적 오분류 데이터
강건 정확도
경계 비용
이미지 분류 딥러닝 모델
potentially misclassified data
robust accuracy
boundary cost
image classification deep learning model
|
| 파일첨부 |
PDF 다운로드
|
