4차 산업혁명 시대를 맞아 클라우드, 사물인터넷, AI 기술 등에 많은 투자가 이루어지고 있다. 지난 몇 년간 AI 기술 분야는 딥 러닝 모델을 집중적으로 연구하고 있다. 딥 러닝 모델은 영상인식 및 처리, 음성인식, 번역 등 특정 분야를 가리지 않고 성과를 내고 있고 있지만, 딥 러닝 모델은 ...
4차 산업혁명 시대를 맞아 클라우드, 사물인터넷, AI 기술 등에 많은 투자가 이루어지고 있다. 지난 몇 년간 AI 기술 분야는 딥 러닝 모델을 집중적으로 연구하고 있다. 딥 러닝 모델은 영상인식 및 처리, 음성인식, 번역 등 특정 분야를 가리지 않고 성과를 내고 있고 있지만, 딥 러닝 모델은 클래스 불균형 문제, 클래스가 잘못 분류된 데이터로 인한 잘못된 학습, 유사한 특징을 가진 클래스들 구분의 어려움 등으로 인해 성능 저하가 발생하고 있다. 최근에는 위의 문제를 해결하여 딥 러닝 모델의 성능을 향상시키고자 하는 연구들이 진행되고 있다. 본 논문에서는 AI 성능 향상을 위해 유사한 특징을 가진 클래스들을 구분하는 부분에 대한 연구를 진행하며, 특정 모델에 의존적이지 않은 상호 혼동 쌍을 선정하는 방법을 제안한다. 상호 혼동 쌍은 다양한 클래스들 중 특정 두 클래스가 유사한 특징 가져 AI 모델의 결과가 서로 혼동되는 쌍을 의미한다. 이번 연구에서는 시각적으로 유사한 이미지를 분류하는 문제를 다루며, 상호 혼동 쌍 선정을 위해 AI 모델은 딥 러닝 모델을 사용한다. 또한 딥 러닝 모델을 통해 선정된 상호 혼동 쌍이 유의미한지 알아보기 위해 계층적 딥 러닝 모델을 구성하고, 계층적 딥 러닝 모델에서 이미지 분류 성능이 향상되었음을 확인한다. 본 연구를 통해 얻은 상호 혼동 쌍은 AI 성능 향상을 위해 사용할 수 있는 하나의 방법이 될 수 있으며, 더 나아가 다양한 상호 혼동 쌍의 특징들은 AI 성능을 향상시키기 위한 다양한 연구 분야로 확장될 수 있다.
Key words : AI, 딥 러닝 모델, 이미지 분류, 상호 혼동
4차 산업혁명 시대를 맞아 클라우드, 사물인터넷, AI 기술 등에 많은 투자가 이루어지고 있다. 지난 몇 년간 AI 기술 분야는 딥 러닝 모델을 집중적으로 연구하고 있다. 딥 러닝 모델은 영상인식 및 처리, 음성인식, 번역 등 특정 분야를 가리지 않고 성과를 내고 있고 있지만, 딥 러닝 모델은 클래스 불균형 문제, 클래스가 잘못 분류된 데이터로 인한 잘못된 학습, 유사한 특징을 가진 클래스들 구분의 어려움 등으로 인해 성능 저하가 발생하고 있다. 최근에는 위의 문제를 해결하여 딥 러닝 모델의 성능을 향상시키고자 하는 연구들이 진행되고 있다. 본 논문에서는 AI 성능 향상을 위해 유사한 특징을 가진 클래스들을 구분하는 부분에 대한 연구를 진행하며, 특정 모델에 의존적이지 않은 상호 혼동 쌍을 선정하는 방법을 제안한다. 상호 혼동 쌍은 다양한 클래스들 중 특정 두 클래스가 유사한 특징 가져 AI 모델의 결과가 서로 혼동되는 쌍을 의미한다. 이번 연구에서는 시각적으로 유사한 이미지를 분류하는 문제를 다루며, 상호 혼동 쌍 선정을 위해 AI 모델은 딥 러닝 모델을 사용한다. 또한 딥 러닝 모델을 통해 선정된 상호 혼동 쌍이 유의미한지 알아보기 위해 계층적 딥 러닝 모델을 구성하고, 계층적 딥 러닝 모델에서 이미지 분류 성능이 향상되었음을 확인한다. 본 연구를 통해 얻은 상호 혼동 쌍은 AI 성능 향상을 위해 사용할 수 있는 하나의 방법이 될 수 있으며, 더 나아가 다양한 상호 혼동 쌍의 특징들은 AI 성능을 향상시키기 위한 다양한 연구 분야로 확장될 수 있다.
Many investments are being made in Cloud, IoT and AI in the era of the 4th industrial revolution. In the past decade, The AI sector is focusing on Deep learning model. Although deep learning model has been producing results regardless of specific areas such as image recognition and processing, voice...
Many investments are being made in Cloud, IoT and AI in the era of the 4th industrial revolution. In the past decade, The AI sector is focusing on Deep learning model. Although deep learning model has been producing results regardless of specific areas such as image recognition and processing, voice recognition and translation, the deep learning model get low performance because of class imbalance problem, incorrect learning due to misclassified data and difficulty in classifying classes with similar features. Recently, studies to improve the performance of deep learning model by solving the above problems have been being conducted. In this paper, we study the classification of classes with similar features for improving AI performance and propose a model agnostic method to select mutual confused pairs. A mutually confused pair is a pair in which two of the various classes have similar features, so that the result of the AI model is confused with each other. In this research, we study classification problem of visually similar image using deep learning model. In addition, we design a hierarchical deep learning model to find out whether the mutually confused pair sets are significant, and confirm that the image classification performance is improved in the hierarchical deep learning model. The mutually confused pairs obtained through this study can be used one method to improve AI performance, futhermore, the various characteristics of mutually confused pair got from this study can be extended to various research areas to improve AI performance.
key words : AI, deep learning model, mutually confused pair
Many investments are being made in Cloud, IoT and AI in the era of the 4th industrial revolution. In the past decade, The AI sector is focusing on Deep learning model. Although deep learning model has been producing results regardless of specific areas such as image recognition and processing, voice recognition and translation, the deep learning model get low performance because of class imbalance problem, incorrect learning due to misclassified data and difficulty in classifying classes with similar features. Recently, studies to improve the performance of deep learning model by solving the above problems have been being conducted. In this paper, we study the classification of classes with similar features for improving AI performance and propose a model agnostic method to select mutual confused pairs. A mutually confused pair is a pair in which two of the various classes have similar features, so that the result of the AI model is confused with each other. In this research, we study classification problem of visually similar image using deep learning model. In addition, we design a hierarchical deep learning model to find out whether the mutually confused pair sets are significant, and confirm that the image classification performance is improved in the hierarchical deep learning model. The mutually confused pairs obtained through this study can be used one method to improve AI performance, futhermore, the various characteristics of mutually confused pair got from this study can be extended to various research areas to improve AI performance.
key words : AI, deep learning model, mutually confused pair
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.