[딥러닝 with 파이썬] 분류(Classification)란? 사례 분류(Instance Classification) / 범주 분류(Categorical Classification)

 

1. 사례 분류 vs 범주 분류 (Instance Classification vs Categorical Classification)

1) 사례 분류(Instance Classification)

- 사례 분류는, 내 차나 어린이 교통표지팥과 같이 모양과 텍스처가 고정된 특정 물체를 찾는 문제를 말합니다. 

- 보통 모양이 변하지 않는 강체(Rigid Object)로 국한하며, 교통약자 표지판 처럼 변치않는 모양을 가진 것을 분류하는 것이 그 예시입니다.

 

2) 범주 분류(Categorical Classifcation)

- 범주 분류는 코끼라나 자전거처럼 일반 부류에 속하는 물체를 알아내는 문제로, 모양이 변하는 물체까지를 포함합니다.

- 예를 들어 자전거는 세발과 두발, 외발이 있고 코끼리는 걷거나 뛰거나 누워있는 다양한 모양으로 나타나는데 이와 같은 것들을 같은 범주(Category)로 보고 이 범주에 따라 전체 사물 또는 동물들을 분류하는 것을 말합니다.

 

2. 딥러닝 방법론

- 딥러닝에서는 특정한 형태를 가진 사례분류는 이미 풀렸다고 간주하고 범주 분류에 공을 들였습니다.

 

- 딥러닝의 발전을 이끈 대표적인 대회는 a) PASCAL VOC와 b) ILSVRC 입니다.

a) PASCAL VOC는, 총 20 부류에 대한 50만장의 영상이 있으며, 2005년 첫 번째 대회에서는 오토바이, 자전거, 사람 , 자동차의 네 부류를 분류하는 문제로 시작을 했습니다. 이후 20분류까지 그 범주를 확장하여 2012년까지 그 대회가 이어졌으나, 더 많은 범주와 더 많은 데이터로 진행되는 ImageNet 대회에 자리를 내주고 종료하게 되었습니다.

b) ILSVRC는 Imagenet Large Scale Vision Recognition Challenge의 줄임말로, WordNet 분류 체계에 따라 21,841 부류로 분류된 1,400만장 가량의 영상이 있으며, 이 중 1000부류를 뽑고 1백만장의 Train 데이터와, 5만장의 검증 데이터, 그리고 15만장의 테스트 데이터를 구성하여 분류 성능을 겨루는 대회입니다. 해당 대회에서는, 2012년 AlexNet이 우승한 이후 컨볼루션 신경망(CNN) 기반의 모델들이 주류를 이루어 그 성능을 자랑하게 되었습니다.

 

- 아래는, Papers with code 사이트가 제공하는 ImageNet 성능 향상 추세를 말하고 있습니다. 아래에서 보여주는 것은 Top 1 Accuracy를 기준으로 모델들을 제시하고 있다. 파란색 선은 SOTA(State-Of-The-Art / 최고 수준)을 말하고 있다.

 

자료 출처 : https://paperswithcode.com/sota/image-classification-on-imagenet

Papers with Code - ImageNet Benchmark (Image Classification)