정제된 특징 공간에서의 윈도우 어텐션이 적용된 Vision Transformer기반 이미지 분류 성능 개선 연구

Q: 이 논문에서 정의한 Refined Transformer란 무엇인가?

Refined Transformer는 모델의 표현력을 강화한 정제된 특징 공간에서 특징 벡터 간 유사도를 기반으로 윈도우를 분할하고, 분할된 윈도우 내에서 지역 어텐션을 계산하는 방식이 적용된 네트워크이다. 이는 기존 윈도우 기반 어텐션의 한계를 보완하며, Swin Transformer의 SW-MSA 기법을 대체하여 분류 성능을 개선한다.

Q: 정제된 특징 공간에서의 윈도우 어텐션은 이미지 분류 성능에 어떤 영향을 미치는가?

연구 결과, 정제된 특징 공간에서 특징 벡터 유사도를 기반으로 윈도우를 분할하여 지역 어텐션을 계산하는 방식은 이미지 공간에서의 윈도우 어텐션 기법이 갖는 지역성 문제를 해결한다. 이는 거리가 멀지만 유사한 토큰들을 하나의 윈도우로 묶어 이미지에 대한 전역적인 이해를 가능하게 하며, 결과적으로 이미지 분류 성능을 개선한다.

유다연; 유진우

doi:10.5370/KIEE.2024.73.6.1004

추천

검색

질문

자료유형: 학술저널

저자정보: 유다연 (Kookmin University) 유진우 (Kookmin University)

저널정보: 대한전기학회 전기학회논문지 전기학회논문지 제73권 제6호

발행연도: 2024.6

수록면: 1,004 - 1,011 (8page)

DOI: 10.5370/KIEE.2024.73.6.1004

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

The window-based self-attention vision transformer (ViT) reduces computational complexity by computing attention within a specific window. However, it is difficult to capture the interactions between pixels from different windows. To address this issue, Swin transformer, a representative window-based self-attention ViT, introduces shifted window multi-head self-attention (SW-MSA) to capture the cross-window information. However, tokens that are distant from each other still cannot be grouped into one window. This paper proposes a method to cluster tokens based on similarity in the feature-space and compute attention within the cluster. The proposed method is an alternative to the SW-MSA of the existing Swin transformer. Additionally, this paper adopts a method to refine the feature space using convolutional block attention module (CBAM) to enhance the representational power of the model. In experimental results, the proposed network outperforms existing convolutional neural networks and transformer-based backbones in the classification task for ImageNet-1K.

#Image Classification #Deep learning #Vision Transformer

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-151-24-02-089831205

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)