부분 증거 하에서 추론을 위한 플러그인 네트워크

본 논문에서는 딥 컨볼루션 신경망의 추론 과정에 부분적 증거를 통합하는 새로운 방법을 제안합니다. 기존의 최고 성능을 내는 방법들은 네트워크 입력을 반복적으로 수정하거나 외부 라벨 분류체계를 활용하여 부분적 증거를 고려하지만, 우리는 사전 학습된 컨볼루션 신경망의 중간 계층에 별도의 네트워크 모듈("플러그인 네트워크")을 추가하였습니다. 이 모듈들의 목적은 알려진 라벨에 대한 정보와 같은 추가적인 신호를 추론 절차에 통합하고 예측 출력을 적절히 조정하는 것입니다. 첨부된 플러그인들이 완전 연결 계층으로만 구성되어 간단한 구조를 가지고 있기 때문에, 우리는 학습과 추론의 계산 비용을 크게 줄였습니다. 동시에, 제안된 아키텍처는 알려진 라벨에 대한 정보를 직접 중간 계층으로 전달하여 최종 표현을 개선할 수 있도록 설계되었습니다. 제안된 방법의 광범위한 평가 결과는 플러그인 네트워크가 장면 범주화, 다중 라벨 이미지 주석, 의미적 분할 등 다양한 작업에서 기존 최신 기술보다 우수함을 확인해주었습니다.