초록
사람 재식별(person re-identification) 환경에서 적응형 L2 정규화 메커니즘을 제안한다. 기존 문헌에서는 학습 과정 전반에 걸쳐 일정하게 유지되는 수작업으로 선택된 정규화 계수를 일반적으로 사용한다. 기존 방법들과 달리, 본 연구에서 제안하는 방법은 역전파(backpropagation)를 통해 정규화 계수를 적응적으로 업데이트한다. 이를 위해 가중치 학습이 가능한 스칼라 변수를 정규화 계수로 활용하고, 이를 스케일링된 하드 시그모이드(hard sigmoid) 함수에 입력함으로써 실현한다. Market-1501, DukeMTMC-reID 및 MSMT17 데이터셋에서 실시한 광범위한 실험을 통해 본 프레임워크의 효과성을 검증하였다. 특히 MSMT17 데이터셋, 즉 사람 재식별 분야에서 가장 큰 규모의 데이터셋에서 최신 기술 수준의 성능을 달성하였다. 소스 코드는 공개되어 있으며, https://github.com/nixingyang/AdaptiveL2Regularization 에서 확인할 수 있다.