준 지도학습 기반 이미지 분류를 위한 적대적 이미지 생성 모델 구축
Construction of Generative Adversarial Network Model for Image Classification based on Semi-Supervised Learning
- 주제(키워드) 딥러닝 , 이미지 분류 , 생성 모델 , 준 지도학습 , 적대적 생성 신경망
- 발행기관 서강대학교 일반대학
- 지도교수 양지훈
- 발행년도 2019
- 학위수여년월 2019. 8
- 학위명 석사
- 학과 및 전공 일반대학원 컴퓨터공학과
- 실제URI http://www.dcollection.net/handler/sogang/000000064372
- UCI I804:11029-000000064372
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권보호를 받습니다.
초록/요약
일반적으로 딥러닝 기반의 분류 알고리즘들은 일정량의 훈련 데이터를 사용하여 모델을 학습시키고, 이를 바탕으로 시험 데이터가 어떤 종류의 이미지인지 분류한다. 지도학습에서는 레이블 된 데이터의 양이 충분히 많으면 더 좋은 실험 결과를 기대할 수 있다. 레이블 된 데이터가 부족한 경우에는 비지도 학습을 통해 생성 모델을 학습하여 데이터를 확장하거나 준 지도학습을 통해 레이블 된 데이터와 레이블 되지 않은 데이터를 모두 사용함으로써 문제를 해결할 수 있다. 본 논문에서는 준 지도학습 방법을 통해 데이터 생성 모델인 GAN을 효과적으로 학습시키는 방법을 제안한다. 일반적인 GAN의 경우 판별자가 제대로 식별하지 못하는 데이터를 생성해내는 생성자의 학습에 초점이 맞추어져 있다. 반면 준 지도학습을 사용하는 GAN의 경우 진짜와 가짜를 판별하는 것에 더해서 생성된 데이터에 대한 이미지 분류를 동시에 수행할 수 있는 판별자를 학습하는 것이 주된 목적이다. 사용 모델로는 GAN의 발전된 모델 가운데서 Semi-Supervised GAN(SGAN)와 Wassersteing GAN(WGAN)의 모델을 결합하여 구성한다. 따라서 본 연구에서는 SGAN과 WGAN을 결합하여 생성한 모델의 판별자를 준 지도학습을 통해 학습시켜서 생성자가 생성한 데이터의 경우 진짜인지 가짜인지 구별한다. 또한 레이블 된 진짜 데이터의 경우 어떤 레이블에 속하는 데이터인지 분류할 수 있게 하는 방법을 제시하고, 기존의 GAN 모델들과의 비교를 통해 성능을 검증한다.
more