17일 전
특성 정규화와 데이터 증강에 관한 연구
Boyi Li, Felix Wu, Ser-Nam Lim, Serge Belongie, Kilian Q. Weinberger

초록
잠재 특징의 모멘트(평균과 표준편차)는 이미지 인식 모델을 훈련할 때 노이즈로 간주되어 제거되는 경우가 많으며, 이는 안정성 향상과 훈련 시간 단축에 기여한다. 그러나 이미지 생성 분야에서는 이러한 모멘트가 훨씬 더 중심적인 역할을 한다. 기존 연구들은 인스턴스 정규화와 위치 정규화에서 추출된 모멘트가 이미지의 스타일 및 형태 정보를 대략적으로 포착할 수 있음을 보여주었다. 따라서 이러한 모멘트는 버려지기보다 생성 과정에 핵심적인 역할을 한다. 본 논문에서는 인식 모델에서도 모멘트 정보를 활용하도록 유도하는 암묵적 데이터 증강 기법인 Moment Exchange를 제안한다. 구체적으로, 한 훈련 이미지의 학습된 특징의 모멘트를 다른 이미지의 모멘트로 대체하고, 타깃 레이블 또한 보간(interpolate)함으로써, 모델이 정규화된 특징 외에도 모멘트 정보로부터 훈련 신호를 추출하도록 강제한다. 제안하는 방법은 빠르며, 특징 공간 내에서만 작동하며 기존 방법들과는 다른 종류의 신호를 혼합하므로, 기존 증강 기법과 효과적으로 병합할 수 있다. 다양한 인식 기준 데이터셋에서의 실험을 통해, 이 방법이 매우 일관된 방식으로 경쟁력 있는 기준 네트워크의 일반화 능력을 향상시킴을 입증하였다.