학습 기반 시각적 주목 모델과 컨볼루션 신경망에 의한 객체 분류

사람은 다양한 종류의 객체를 쉽게 분류할 수 있지만, 컴퓨터에게는 매우 어렵습니다. 객체 분류는 뜨겁고 어려운 문제로, 광범위한 전망을 가지고 많은 관심을 받고 있습니다. 신경 과학에 영감을 받아, 딥 러닝 개념이 제안됩니다. 딥 러닝의 방법 중 하나인 컨볼루션 신경망(CNN)을 사용하여 분류 문제를 해결할 수 있습니다. 그러나 CNN을 포함한 대부분의 딥 러닝 방법은 사람이 객체를 분류할 때 인간의 시각 정보 처리 메커니즘을 모두 무시합니다. 따라서 본 논문에서는 인간이 다양한 종류의 객체를 분류하는 완전한 처리를 영감을 받아, 시각적 주목 모델과 CNN을 결합한 새로운 분류 방법을 제안합니다. 첫째, 우리는 시각적 주목 모델을 사용하여 인간 시각 선택 메커니즘의 처리를 시뮬레이션 합니다. 둘째, 우리는 CNN을 사용하여 인간이 특징을 선택하고 선택된 지역의 로컬 특징을 추출하는 과정을 시뮬레이션 합니다. 마지막으로, 우리의 분류 방법은 이러한 로컬 특징에 의존할 뿐만 아니라 객체 분류를 위해 인간의 의미론적 특징을 추가합니다. 우리의 분류 방법은 생물학에서 명백한 장점을 가지고 있습니다. 실험 결과는 우리의 방법이 분류의 효율성을 획기적으로 향상시켰음을 입증했습니다.