소량 데이터 셋 기반 피드백 지도 학습

Abstract

최근 자동 분류화에서 딥러닝이 괄목할만한 성능향상을 보이고 있다. 딥러닝은 많은 데이터양이 주어졌을 때 높은 성능이 보장되는데, 만약 초기 학습 데이터양이 충분하지 않을 때는 과학습으로 인해 성능이 저하되는 문제가 있다. 하지만 현실 세계에서 많은 데이터를 수집하는 데는 높은 비용과 시간이 소요된다. 또한 가용데이터는 소량이나 분류기준을 지도해줄 수 있는 분야 전문가가 있더라도 사람의 피드백을 학습 성능 향상에 직접 활용할 수 있는 방법이 없다. 본 연구에서는 딥러닝 모델을 사용했을 때, 분야 전문가의 피드백을 통해 소량 데이터의 분류 성능을 향상시키고자 한다. 이를 위해 아이템 이미지만을 사용한 분류 성능과 분야 전문가의 피드백 과정을 함께 학습한 아이템 이미지 분류 성능을 비교하였다. 실험을 통해 분야 전문가의 피드백을 학습하여 이미지를 분류할 경우 피드백이 없는 경우보다 정확도가 향상됨을 보였다.

Lately, deep learning has had a significant performance improvement in automatic classification. Given a large set of data, deep learning guarantees high performance. When there is insufficient initial learning data, performance degrades due to the scientific method. However, it’s practically expensive and time consuming to collect large sets of data. Additionally, there is no avenue to directly use human feedback to improve learning the experience, even if there is an expert in the field that can teach small bits on classification criteria of available data. In this paper, we use the deep learning model to improve the classification performance of small amount of data through field experts. For this study, we compared the classification performance using item image only to item image classification performance learned together with expert feedback process. Experiments have shown that the accuracy of classification of images by learning feedback from field experts is better than the one without feedback.