저해상도 이미지 분류를 위한 고해상도 이미지로부터의 Self-Attention 정보 추출 네트워크 


47권  11호, pp. 1027-1031, 11월  2020
10.5626/JOK.2020.47.11.1027


PDF

  요약

기존의 딥러닝 모델들은 고화질의 이미지들을 활용하여 연구 개발되었으며, 화질이 낮아질수록 급격히 성능이 낮아진다. 본 연구는 저화질 이미지에도 효과적으로 대응할 수 있는 딥러닝 모델을 개발하고자, 고화질의 이미지로부터 효과적으로 분류를 할 수 있는 정보를 Attention Map의 형태로 추출했다. 이후 Knowledge Distillation 기법을 활용하여 고화질 이미지상에서 추출한 Attention Map을 저해상도 이미지 모델에 전달하는 네트워크를 제안했으며, 16×16의 저해상도 CIFAR100　이미지를 분류했을 때 에러율을 2.94% 낮출 수 있었다. 이는 32×32에서 16×16으로 이미지 해상도를 낮췄을 때 에러 감소율의 38.43%에 해당하는 수치로, 본 네트워크의 우수성을 입증할 수 있었다.


  통계
2022년 11월부터 누적 집계
동일한 세션일 때 여러 번 접속해도 한 번만 카운트됩니다. 그래프 위에 마우스를 올리면 자세한 수치를 확인하실 수 있습니다.
  논문 참조

[IEEE Style]

S. Shin, J. Lee, J. Lee, S. Choi, K. Lee, "Low-Resolution Image Classification Using Knowledge Distillation From High-Resolution Image Via Self-Attention Map," Journal of KIISE, JOK, vol. 47, no. 11, pp. 1027-1031, 2020. DOI: 10.5626/JOK.2020.47.11.1027.


[ACM Style]

Sungho Shin, Joosoon Lee, Junseok Lee, Seungjun Choi, and Kyoobin Lee. 2020. Low-Resolution Image Classification Using Knowledge Distillation From High-Resolution Image Via Self-Attention Map. Journal of KIISE, JOK, 47, 11, (2020), 1027-1031. DOI: 10.5626/JOK.2020.47.11.1027.


[KCI Style]

신성호, 이주순, 이준석, 최승준, 이규빈, "저해상도 이미지 분류를 위한 고해상도 이미지로부터의 Self-Attention 정보 추출 네트워크," 한국정보과학회 논문지, 제47권, 제11호, 1027~1031쪽, 2020. DOI: 10.5626/JOK.2020.47.11.1027.


[Endnote/Zotero/Mendeley (RIS)]  Download


[BibTeX]  Download



Search




Journal of KIISE

  • ISSN : 2383-630X(Print)
  • ISSN : 2383-6296(Electronic)
  • KCI Accredited Journal

사무국

  • Tel. +82-2-588-9240
  • Fax. +82-2-521-1352
  • E-mail. chwoo@kiise.or.kr