AugMix: 강건성과 불확실성 향상을 위한 간단한 데이터 처리 방법

현대의 깊은 신경망은 학습 데이터 분포와 테스트 데이터 분포가 동일할 때 높은 정확도를 달성할 수 있지만, 현실에서는 이 가정이 자주 위반된다. 학습 분포와 테스트 분포가 일치하지 않을 경우 정확도가 급격히 저하될 수 있다. 현재까지는 배포 과정에서 예상치 못한 데이터 분포 변화에 대응할 수 있도록 모델의 강건성을 향상시키는 기법이 거의 없었다. 본 연구에서는 이미지 분류기의 강건성과 불확실성 추정 성능을 향상시키는 기법을 제안한다. 우리는 구현이 간단하고 계산 비용이 거의 추가되지 않으며, 예상치 못한 손상(corruption)에 강건한 특성을 지닌 데이터 처리 기법인 AugMix을 제안한다. AugMix은 도전적인 이미지 분류 벤치마크에서 강건성 및 불확실성 측정 지표를 크게 개선하며, 일부 경우에서는 기존 방법과 최적 성능 간의 격차를 절반 이상 축소하는 데 성공했다.