RegNet: 이미지 분류를 위한 자기 조절 네트워크

ResNet 및 그 변종들은 다양한 컴퓨터 비전 작업에서 놀라운 성공을 거두었다. 특히 빌딩 블록을 통한 기울기 흐름을 개선한 점에서 높은 성능을 발휘하지만, 단순한 색션 연결 메커니즘은 덧셈 함수의 특성상 새로운 보완적인 특징을 재탐색하는 능력에 한계가 있다. 이 문제를 해결하기 위해 본 논문에서는 보완적인 특징을 추출할 수 있는 메모리 메커니즘으로서 조절기 모듈(regulator module)을 도입하는 방안을 제안한다. 이 조절기 모듈은 추출된 보완적 특징을 ResNet에 추가로 공급함으로써 성능을 향상시킨다. 특히 조절기 모듈은 컨볼루션 RNN(예: 컨볼루션 LSTM 또는 컨볼루션 GRU)로 구성되며, 이는 시공간 정보를 효과적으로 추출할 수 있다는 점에서 우수한 성능을 보였다. 제안하는 새로운 조절 네트워크를 RegNet이라 명명하였다. 조절기 모듈은 다양한 ResNet 아키텍처에 쉽게 구현하고 추가할 수 있으며, 이를 통해 Squeeze-and-Excitation ResNet의 성능을 향상시키는 데도 적용함으로써 본 방법의 일반화 능력을 입증하였다. 세 가지 이미지 분류 데이터셋에 대한 실험 결과는 제안된 아키텍처가 기준 ResNet, SE-ResNet 및 기타 최신 아키텍처 대비 뛰어난 성능을 보임을 확인하였다.