Q1. 이 연구를 개발한 목적이 궁금한데?

A1.

최근 데이터 마이닝 논문을 검색하여 공부하면서, 사람이 해석할 수 없는 높은 복잡도를 가지는 딥러닝에 대해서 알게되었습니다.“사람이 기계를 학습시키지만 그 안을 사람이 모른다”라는 것에 대해 관심이 생겼습니다. 하지만 딥러닝의 높은 성능을 보장하기 위해서는 대량의 정보가 필요하였지만, 시간, 비용 부분에서 문제가 생겼습니다. 소량의 데이터를 가지고 성능을 높일 수 있는 방법을 생각하다가 기계에게 도움을 주면 좀 더 성능을 높일 수 있지 않을까 하였고, 대학원 전공과목 중에서 사용자와 기계간의 상호학습 수업을 통해 힌트를 얻어 개발하였습니다.

 

Q2. 어떻게 함께 학습했니?

A2.

총 4가지 학습 단계를 가집니다.

 1) 딥러닝 네트워크 모델을 구성하고, 잘 알려진 CIFAR-10 데이터 셋을 이용하여 네트워크를 사전 학습시킨다. 

 2) 사전 학습된 모델에 주어진 소량 이미지 데이터를 학습시킨다.

 3) 주어진 모델에 이미지를 대표하는 태그를 사용자로부터 피드백 받아 추가 딥러닝 레이어를 구성하고 학습시킨다.

 4) 실제 이미지 분류 테스트 시에는 세 번째 단계에서 추가한 태그 입력 레이어를 제거하고 이미지를 분류한다.

 

Q3. 다른 방법은 생각한 적 없니?

A3.

1. CNN(Convolutional neural network) 딥러닝 모델과 LSTM(Long-short-term-memory)의 딥러닝 모델을 더한다는 의미에서 Attention Mechanism을 실험하고 있습니다. 

​

2. 태그 주는 방식을 다르게 생각해보았습니다. 카테고리를 대표하는 단어 하나를 지정하여 “있다, 없다”로 표시하여 좀 더 객관적이게 주는 것이 좋을 것 같은 생각이 들었습니다. 해당 사항은 실험 중에 있습니다.