Efficient Training Methodology in an Image Classification Network
Eunjee Bae, Sungjin Lee · 한국통신학회논문지 · 2021
최근 영상인식 기술의 성능적 발전은 수많은 데이터 축적과 딥러닝 네트워크의 심층화에 기인하여 왔다. 하지만, 이런 다양한 데이터들을 딥러닝 네트워크에 훈련시키는 것은 다양한 문제들을 유발시킨다. 적은 데이터양에서 기인하는 오버피팅, 클래스 간의 데이터양 차이에서 오는 클래스 불균형 (Imbalance), 멀티클래스 훈련 문제 등이 그것이며 본 논문은 이런 소규모 데이터 셋들에서 발생하는 이런 문제들을 발견하고 분석하였으며 해결책을 제시하고 실험으로 성능을 분석해 보았다. 이를 위해 오픈된 소규모 데이터 셋들을 비교 분석해보고 이들 간의 차이점과 각 기술들에 좋은 성능을 내는 훈련기법들을 선정 분석해 보았으며 소규모 데이터 셋에서 서로 공통적이면서 일반적으로 사용될 수 있는 훈련기법들을 상호 교차 실험을 통해 선정 검증하였다.