잠재적 오분류 데이터를 고려한 이미지 분류 딥러닝 모델의 정확도 평가 방법 


48권  6호, pp. 657-667, 6월  2021
10.5626/JOK.2021.48.6.657


PDF

  요약

이미지 분류 딥러닝 모델은 이미지가 변형되었을 때 이미지의 유형을 잘못 분류하는 문제가 발생한다. 기존 정확도 평가 방법은 이미지가 변형되어 잠재적으로 잘못 분류될 수 있는 이미지들을 고려하지 않아 이미지의 유형을 정확하게 분류했다고 하더라도 평가 결과를 신뢰하기 어렵다. 본 연구는 잠재적으로 잘못 분류될 수 있는 데이터를 고려한 이미지 분류 딥러닝 모델의 정확도 평가 방법을 제안하였다. 모델과 데이터 셋 별로 잠재적 오분류 데이터를 식별하기 위한 경계 비용을 측정하고, 경계 비용을 바탕으로 잠재적 오분류 데이터를 식별하였다. 그리고 잠재적 오분류 데이터를 고려한 정확도를 측정하였다. 잠재적 오분류 데이터 식별 결과, 0.1～4.2%의 데이터가 잠재적 오분류 데이터로 식별되었으며, 이 중 18～60%가 실제로 잘못 분류되었다. 정확도 평가 결과, 정확도가 높은 모델은 이미지 변형에 대해 강건하며, 정확도가 낮은 모델일수록 이미지 변형에 대해 강건하지 못한 것으로 판단되었다.


  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]

Y. Lee, M. Song, H. Chae, "Accuracy Evaluation Method for Image Classification Deep Learning Model considering Potentially Misclassified Data," Journal of KIISE, JOK, vol. 48, no. 6, pp. 657-667, 2021. DOI: 10.5626/JOK.2021.48.6.657.


[ACM Style]

Young-Woo Lee, Min-Ju Song, and Heung-Seok Chae. 2021. Accuracy Evaluation Method for Image Classification Deep Learning Model considering Potentially Misclassified Data. Journal of KIISE, JOK, 48, 6, (2021), 657-667. DOI: 10.5626/JOK.2021.48.6.657.


[KCI Style]

이영우, 송민주, 채흥석, "잠재적 오분류 데이터를 고려한 이미지 분류 딥러닝 모델의 정확도 평가 방법," 한국정보과학회 논문지, 제48권, 제6호, 657~667쪽, 2021. DOI: 10.5626/JOK.2021.48.6.657.


[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