CPlaNet: 지도의 조합적 분할을 통한 이미지 지리위치 파악 향상

이미지 지오로케이션은 사진에 나타난 위치를 시각적 정보만을 바탕으로 식별하는 작업입니다. 이 작업은 많은 사진들이 그 위치에 대한 애매한 힌트 몇 개만 가지고 있기 때문에 본질적으로 어려운 문제입니다. 최근 연구에서는 지구를 지리적 영역에 해당하는 이산 셀들의 집합으로 나누어 이 작업을 분류 문제로 다루었습니다. 이러한 구분의 세부성은 중요한 균형 조절 문제를 제기합니다. 더 적지만 큰 셀을 사용하면 위치 정확도가 낮아지며, 더 많지만 작은 셀을 사용하면 클래스당 학습 예제 수가 줄고 모델 크기가 커져 과적합의 위험이 증가합니다. 이러한 문제를 해결하기 위해, 우리는 여러 개의 거시적인 구분을 교차하여 대량의 미세한 출력 클래스를 생성하는 간단하면서도 효과적인 알고리즘인 조합적 구분(combinatorial partitioning)을 제안합니다. 각 분류기는 자신들의 거시적인 클래스와 겹치는 미세한 클래스들에 대해 투표합니다. 이 기술은 충분한 학습 예제 수를 유지하면서도 미세한 규모에서 위치를 예측할 수 있게 해줍니다. 우리의 알고리즘은 여러 벤치마크 데이터셋에서 위치 인식 성능 면에서 최신 기술 수준의 결과를 달성하였습니다.