초록
세부 분류(Fine-grained classification)는 시각적으로 유사한 하위 종들 간의 구분이 어려워 기본 수준의 이미지 분류보다 더 큰 도전 과제를 안고 있다. 혼동되기 쉬운 종들을 정확히 구분하기 위해, 특징 채널 적응형 강화와 주의력 제거(attention erasure)를 기반으로 하는 새로운 프레임워크를 제안한다. 한편으로, 채널 주의력(channel attention)과 공간 주의력(spatial attention)을 동시에 활용하는 경량화 모듈을 설계하여 중요한 영역의 특징 표현을 적응적으로 강화함으로써 더 구분력 있는 특징 벡터를 얻는다. 다른 한편으로는, 네트워크가 눈에 띄지 않는 영역에 더 집중하도록 유도하는 주의력 제거 기법을 도입함으로써 네트워크의 강건성(robustness)을 향상시킨다. 제안하는 방법은 다양한 백본 네트워크에 원활하게 통합될 수 있다. 마지막으로, 다양한 공개 데이터셋을 대상으로 제안 방법의 성능을 평가하고 최신 기술들과의 종합적인 비교 분석을 수행하였다. 실험 결과는 본 방법이 실제 환경에서의 효과성과 실용성을 입증하며, 복잡한 세부 분류 과제에서 의미 있는 돌파구를 보여주고 있음을 확인할 수 있다.