최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국방송∙미디어공학회 2020년도 하계학술대회, 2020 July 13, 2020년, pp.727 - 731
서상원 (전자통신연구원) , 박수영 (전자통신연구원) , 정영호 (전자통신연구원) , 이태진 (전자통신연구원)
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
컨벌루션 신경망이란 무엇인가? | 컨벌루션 신경망 (Convolution Neural Network, CNN)은인간의 시각 인지 프로세스를 모델링한 신경망 구조로써, 이미지 분류, 객체 탐색 등 컴퓨터 비전 분야의 다양한 문제들을 풀고 있다. 그 구조는 수백만에서 수천만 파라미터 이상으로 구성되어 있고, 따라서 신경망의 기작을 해석하는 것은 복잡한 작업이다. | |
Grad-CAM은 어떤 방법이 일반화된 방법이며, 무엇을 기반으로 히트맵을 생성하는가? | 앞서 언급한 무결성 검사에서 유효한 것으로는 Simonyan 의 방법 외에도 Gradientweighted Class Activation Mapping (Grad-CAM) [6]이 있다. Grad-CAM 은 Class Activation Mapping (CAM) [7]의 일반화된 방법으로 모델의 순전파(forward propagation) 과정에서 생성되는 피쳐맵(feature map)을 기반으로 히트맵을 생성한다. 모델 내부의 피쳐맵은 풀링(pooling) 계층 등을 통과하며 이미지의 압축이 발생하므로, 이를 기반으로 생성한 히트맵은 입력 이미지 크기로 늘리는 과정이 추가로 필요하다. | |
Simonyan 등이 제안한 클래스 별 돌출맵(saliency map)을 구성하는 방법은 어떤 근거를 제시하였는가? | 2013 년 Simonyan [2] 등은 모델의 분류 점수에서 역전파(backpropagation)되는 구배(gradient)를 활용하여 클래스 별 돌출맵(saliency map)을 구성하는 방법을 제안했다. 이 방법은 이미지 속의 객체의 윤곽과 질감에 대해 시각화된 근거를 제시했으며, 이는 2014 년에 Zeiler [3]와 Springenberg [4]의 연구로 이어진다. 하지만 2018 년 Abedayo [5]의연구에서 Springenberg 의 Guided Backpropagation 이 무결성 검사(sanity check)를 통과하지 못하였고, 같은 이유로 Zeiler 의 방법 또한 신뢰성에 의문이 있는 상황이다. |
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.