이미지 분류를 위한 extreme learning machine 기반 convolutional neural netwrok

Abstract

지난 10여년 간 컴퓨터 비전 분야는 그 이전보다 진일보한 성과들을 거두었다. 그리고 그러한 성과들의 상당 부분은 이미지넷(ImageNet)과 같은 대규모 공개 데이터의 출현, 대규모 데이터를 학습할 수 있는 심층 신경망과 같은 복잡한 모델 및 학습 방법의 발견, 마지막으로 이들을 가능하게 하는 GPGPU와 같은 강력한 하드웨어의 발전에서 기인한다. 그러나 이러한 성과들에도 불구하고, 현재의 접근 방법에는 여러가지 잠재적 문제들이 존재한다. 기존 학습 방법은 필요한 시간적 / 자원적 비용이 크며, 좋은 학습 결과를 얻기 위해 많은 노력을 필요로 한다. 구현상 생물학적 관찰에 위배될 뿐만 아니라 그 결과를 해석하거나 인간의 공학적 직관과 설계를 반영하기 어렵다. 이러한 문제들에 대한 해결책으로 본 논문에서는 extreme learning machine을 모듈로 활용하는, 임의성과 비지도 학습에 기반한 convolutional neural network 구조와 그 학습 방법을 제시한다. 이 새로운 구조와 학습 방법은 빠르고 효율적이며 생물학적 관찰 결과와도 일관성을 유지한다. 진행한 실험에서, 제시한 방법은 더 빠른 학습시간으로 다른 심층 신경망과 비슷한 정확도를 보였으며, 다른 비지도 특징 추출 방법들과 비교했을 때는 더 나은 정확도를 보여주었다.