반복적인 노이즈 데이터 교정 방법

Abstract

이미지 분류 기술은 컨볼루션 신경망의 등장으로 비약적인 발전을 이루었다. 하지만 다양한 이유로 인하여 학습용 데이터셋에 부적절한 레이블을 가진 노이즈 데이터가 섞일 수 있으며, 이 경우에는 충분한 이미지 분류 성능을 기대할 수 없다. 수동으로 데이터셋에 섞인 노이즈를 없애기 위해서는 매우 많은 비용과 시간이 필요하기 때문에 산업에서는 노이즈가 포함된 데이터셋으로도 정확한 분류를 하는 접근 방법이 필요하다. 이 연구에서는 노이즈 데이터 교정 과정을 효과적으로 수행하기 위하여 강인한 선행 학습과 점진적인 데이터 정제 방법을 제안한다. 강인한 선행학습은 노이즈 검출과 준지도학습을 병합하며, 반복적인 노이즈 교정 과정은 컨볼루션 신경망에 미치는 노이즈의 영향을 최소화하기 위하여 앙상블을 활용한 노이즈 교정을 반복하는 과정을 통해 점진적으로 데이터를 정제한다. 제안한 방법은 CIFAR-10 데이터셋의 노이즈 비율이 0.2, 0.4, 0.8 일 때 컨볼루션 신경망 PreActResNet-18의 최종 정확도는 93.98%, 92.96%, 그리고 75.35%를 달성하였다.