컴퓨터 비전 작업에서 불균형 문제를 위한 생성적 적대 신경망에 대한 조사

모든 컴퓨터 비전 애플리케이션 개발은 이미지를 수집하고 데이터를 획득한 후, 작업을 수행하기 위한 전처리 및 패턴 인식 단계를 거칩니다. 획득한 이미지가 매우 불균형하고 적절하지 않을 때, 원하는 작업은 수행할 수 없습니다. 불행히도, 이상 탐지, 감정 인식, 의료 이미지 분석, 사기 탐지, 금속 표면 결함 탐지, 재해 예측 등과 같은 특정 복잡한 실제 문제에서 획득한 이미지 데이터셋에서 불균형 문제의 발생은 피할 수 없습니다. 훈련 데이터셋이 불균형할 때 컴퓨터 비전 알고리즘의 성능은 크게 저하될 수 있습니다. 최근 몇 년 동안 생성적 적대 신경망(GAN)은 복잡한 실제 이미지 데이터를 모델링할 수 있는 능력 덕분에 다양한 응용 분야의 연구자들로부터 엄청난 주목을 받았습니다. GAN은 합成 이미지를 생성하는 데뿐만 아니라, 불균형 데이터셋에서 균형을 복원하는 데도 좋은 가능성을 보여주는 매혹적인 적대 학습 아이디어를 가지고 있다는 점이 특히 중요합니다. 본 논문에서는 이미지 데이터의 불균형 문제를 해결하기 위한 GAN 기반 기술의 최신 발전을 살펴봅니다. GAN 기반 합성 이미지 생성의 실제 문제와 구현에 대해서도 이 조사에서 폭넓게 다루고 있습니다. 우리의 조사는 먼저 컴퓨터 비전 작업에서의 다양한 불균형 문제와 기존 솔루션을 소개하고, 그 다음에 딥 생성 이미지 모델 및 GAN과 같은 핵심 개념들을 검토합니다. 그 후, 우리는 GAN 기반 기술을 컴퓨터 비전 작업의 불균형 문제를 해결하기 위한 세 가지 주요 범주로 요약하는 분류 체계를 제안합니다: 1. 분류에서의 이미지 수준 불균형, 2. 객체 탐지에서의 객체 수준 불균형, 3. 세분화 작업에서의 픽셀 수준 불균형. 우리는 각 그룹의 불균형 문제를 상세히 설명하고, 각 그룹에서 GAN 기반 솔루션을 제공합니다. 독자들은 GAN 기반 기술이 불균형 문제를 어떻게 처리하고 컴퓨터 비전 알고리즘의 성능을 향상시킬 수 있는지 이해하게 될 것입니다.