신경망을 위한 순위 일관성 있는 서열 회귀及其在年龄估计中的应用 注：最后一部分“及其在年龄估计中的应用”是中文，我将其翻译为韩文如下： 그리고 그 응용: 연령 추정 完整翻译如下： 신경망을 위한 순위 일관성 있는 서열 회귀 그리고 그 응용: 연령 추정

많은 실제 예측 작업에서 클래스 라벨은 라벨 간의 상대적인 순서 정보를 포함하고 있지만, 다중 범주 교차 엔트로피와 같은 일반적으로 사용되는 손실 함수는 이러한 순서 정보를 포착하지 못합니다. 최근에 딥러닝 커뮤니티는 이러한 순서 정보를 고려하기 위해 서열 회귀(ordinal regression) 프레임워크를 채택하였습니다. 신경망은 서열 목표를 이진 분류 하위 작업으로 변환하여 서열 회귀 기능을 갖추게 되었습니다. 그러나 이 방법은 서로 다른 이진 분류기 사이의 일관성 부족 문제를 겪고 있습니다. 이러한 일관성 문제를 해결하기 위해, 우리는 서열 단조성을 보장하고 일관된 신뢰도 점수를 제공하는 강력한 이론적 보장이 있는 COnsistent RAnk Logits (CORAL) 프레임워크를 제안합니다. 또한, 제안된 방법은 아키텍처에 독립적이며 최신 딥 신경망 분류기를 서열 회귀 작업에 확장할 수 있습니다. 제안된 순위 일관성 방법이 연령 예측을 위한 다양한 얼굴 이미지 데이터셋에서 실험적으로 평가되었으며, 기준 서열 회귀 네트워크와 비교하여 예측 오류가 크게 감소하는 것을 확인하였습니다.