RSG: 불균형 데이터셋 학습을 위한 간단하지만 효과적인 모듈

실제 응용 분야에서는 불균형 데이터셋이 널리 존재하며, 희귀 클래스에 대해 좋은 일반화 성능을 갖는 딥 신경망 모델을 훈련하는 데 큰 도전 과제를 안겨준다. 본 연구에서는 이러한 문제를 해결하기 위해 희귀 클래스 샘플 생성기(Rare-class Sample Generator, RSG)를 제안한다. RSG는 훈련 과정 중에 희귀 클래스에 해당하는 새로운 샘플을 생성함으로써 문제를 해결하는 데 목적이 있으며, 특히 다음과 같은 장점이 있다: (1) 사용이 간편하고 매우 유연하며, 어떤 종류의 합성곱 신경망(Convolutional Neural Network)에도 쉽게 통합 가능하며, 다양한 손실 함수와도 잘 작동함; (2) 훈련 단계에서만 사용되므로, 테스트 단계에서 딥 신경망에 추가적인 부담을 주지 않는다. 광범위한 실험 평가를 통해 RSG의 효과성을 검증하였으며, RSG를 활용함으로써 Imbalanced CIFAR에서 경쟁적인 성능을 달성하고, Places-LT, ImageNet-LT, iNaturalist 2018에서는 새로운 최고 성능(SOTA)을 기록하였다. 소스 코드는 https://github.com/Jianf-Wang/RSG 에서 제공된다.