지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 황상흠
- 발행연도
- 2023
- 저작권
- 서울과학기술대학교 논문은 저작권에 의해 보호받습니다.
이용수4
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
현재 자율주행을 비롯하여 의료 산업 및 사물 인식 서비스와 같은 다양한 분야에
서 심층 신경망을 활용한 연구가 활발히 이루어지고 있다. 특히, 학습할 때 사용되
는 레이블 데이터의 수가 많을수록 성능이 향상되는 경향이 있다. 하지만 데이터
레이블링 작업의 경우, 많은 시간과 비용을 필요로 한다는 단점이 존재한다. 특히
의료 도메인과 같은 전문적인 영역에서는 일반인이 레이블링 할 수 없기 때문에 도
메인 전문가를 고용해야 하는데 이는 큰 비용이 든다. 이를 극복하기 위해 최근 다
양한 분야에서 레이블이 없는 데이터를 활용하여 사전 학습하는 자기 지도 학습이
활발히 연구되고 있다. 본 연구에서는 피부 영상을 자기 지도 학습하는데 있어 영
상의 메타 정보를 활용하는 다중 인스턴스 대조 학습(Multi-Instance Contrastive
Learning)을 활용한다. 구체적으로 특정 사람이 촬영한 여러 이미지 가운데 메타 정
보가 동일한 이미지 간의 유사도를 최대화한다. 이때, 배치 구성 전략에 따라 학습
되는 특징 표현이 달라질 수 있다. 따라서 본 연구는 다양한 배치 구성 전략을 고
려하여 학습하는 방식을 제안함으로써, 특정 개개인이 가지는 피부 상태를 판별하
는데 집중하였다. 이렇게 사전 학습된 특징 표현이 피부 상태를 판별하는 분류 문
제에 있어 효과적임을 실험적으로 확인하였고, 특히 레이블링 되어있는 데이터셋이
적은 상황에서도 강건함을 확인하였다. 또한 학습 외 분포 데이터셋에 대해서 효과
적임을 실험적으로 확인하였다. 결론적으로 다중 인스턴스 대조 학습 방식에 환자
개개인이 가지는 메타 정보를 활용하여 학습된 사전 학습 모델이 여러 방면에서 유
용함을 확인하였다.
서 심층 신경망을 활용한 연구가 활발히 이루어지고 있다. 특히, 학습할 때 사용되
는 레이블 데이터의 수가 많을수록 성능이 향상되는 경향이 있다. 하지만 데이터
레이블링 작업의 경우, 많은 시간과 비용을 필요로 한다는 단점이 존재한다. 특히
의료 도메인과 같은 전문적인 영역에서는 일반인이 레이블링 할 수 없기 때문에 도
메인 전문가를 고용해야 하는데 이는 큰 비용이 든다. 이를 극복하기 위해 최근 다
양한 분야에서 레이블이 없는 데이터를 활용하여 사전 학습하는 자기 지도 학습이
활발히 연구되고 있다. 본 연구에서는 피부 영상을 자기 지도 학습하는데 있어 영
상의 메타 정보를 활용하는 다중 인스턴스 대조 학습(Multi-Instance Contrastive
Learning)을 활용한다. 구체적으로 특정 사람이 촬영한 여러 이미지 가운데 메타 정
보가 동일한 이미지 간의 유사도를 최대화한다. 이때, 배치 구성 전략에 따라 학습
되는 특징 표현이 달라질 수 있다. 따라서 본 연구는 다양한 배치 구성 전략을 고
려하여 학습하는 방식을 제안함으로써, 특정 개개인이 가지는 피부 상태를 판별하
는데 집중하였다. 이렇게 사전 학습된 특징 표현이 피부 상태를 판별하는 분류 문
제에 있어 효과적임을 실험적으로 확인하였고, 특히 레이블링 되어있는 데이터셋이
적은 상황에서도 강건함을 확인하였다. 또한 학습 외 분포 데이터셋에 대해서 효과
적임을 실험적으로 확인하였다. 결론적으로 다중 인스턴스 대조 학습 방식에 환자
개개인이 가지는 메타 정보를 활용하여 학습된 사전 학습 모델이 여러 방면에서 유
용함을 확인하였다.
목차
I. 서 론 11. 연구의 배경 및 목적 12. 관련연구 3II. 이론적 배경 51. 다중 인스턴스 대조 학습 52. EfficientNet 7III. 연구 방법 81. 실험 방법 82. 데이터셋 123. 실험 설정 16IV. 실험 결과 211. 실험결과 21V. 결 론 31참고문헌 32영문초록(Abstract) 36
최근 본 자료
댓글(0)
0