메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김아현 (서울대학교) 심규석 (서울대학교)
저널정보
Korean Institute of Information Scientists and Engineers 정보과학회 컴퓨팅의 실제 논문지 정보과학회 컴퓨팅의 실제 논문지 제28권 제12호
발행연도
2022.12
수록면
587 - 593 (7page)
DOI
10.5626/KTCP.2022.28.12.587

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

초록· 키워드

오류제보하기
메트릭 학습은 딥러닝 모델로 샘플 간의 유사도를 수치화하여 임베딩 함수를 학습하는 기계학습 방법이다. 기존 학습 방법은 임베딩 함수를 미니배치에 있는 데이터의 영향을 받아 업데이트 한다. 이러한 이유로, 데이터의 임베딩이 미니배치에 포함되지 않은 다른 클래스의 데이터 임베딩과 가깝게 표현될 수 있으며, 모델 성능이 하락할 수 있다. 이를 극복하기 위해, 혼동률 기반 적응형 메트릭 학습을 제안한다. 제안한 방법은 전체 데이터의 모든 클래스 쌍의 혼동률을 계산하고, 학습 시에 이를 고려하여 그라디언트의 크기와 방향을 조정한다. 이는 미니배치 내의 데이터의 임베딩이 혼동하기 쉬운 클래스에 속한 데이터의 임베딩과 가까워지는 것을 막는 방법으로, 모델이 정교한 데이터의 임베딩을 만드는데 도움을 준다. 실생활의 이미지 벤치마크를 사용하여, 학습 시 사용하지 않은 클래스에 대한 검색인 제로 샷 이미지 검색에서 제안한 학습 방법이 기존 메트릭 학습 방법보다 성능이 우수함을 보였다.

목차

요약
Abstract
1. 서론
2. 관련 연구
3. 제안하는 방법
4. 실험
5. 결론
References

참고문헌 (18)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0