2019 한국데이터마이닝학회 춘계학술대회 - 손규빈

데이터마이닝학회
작성자
관리자
작성일
2020-03-12 13:43
조회
48
안녕하세요. DSBA 연구실 석사과정 손규빈입니다. 2019년 4월 11일 코엑스에서 열린 Business Intelligence Conference에 있었던 발표들에 대한 감상을 적습니다.

저는 주로 104호에서 트랙 4에 대한 내용을 들었습니다. 가장 처음 들었던 학생 연구 발표는 서울대학교 신승훈님의 "R-CNN based Pose Estimation using Motion-Context Attention" 입니다. 해당 연구는 Video(image frames) 데이터에서 3D pose를 예측하는 연구인데, R-CNN과 Attention mechanism을 사용한 것이 contribution입니다. 먼저 이미지 프레임에서 human region을 따오고, 해당 region의 연속된 frame을 input으로 합니다. 연속된 이미지 프레임에서 사람의 위치가 크게 변동하지 않으므로 이전 프레임의 사람 위치의 근접 픽셀들에 더 가중치를 두어 다음 이미지 프레임에서 pose를 추정합니다. 이전 joint 좌표값들을 sequence data로 삼는 것이 아니라 이미지 자체에서 직접 관절 좌표들을 뽑는 것으로 이해했는데요. Convolution filter에 attention 메커니즘을 적용하는 것과, 연구자의 가정이 실험에 적합한 점이 인상 깊었습니다. 실험 결과가 좋게 나오길 바랍니다.

다음에 들었던 발표는 고려대학교 이선화님의 "Faster R-CNN을 이용한 태풍 중심 위치 및 강도 산출 모델 개발"입니다. 해당 모델의 데이터셋은 4종류의 1채널 이미지로 적외선1, 적외선2, 수증기 등에 대한 이미지입니다. 해당 연구는 해당 데이터셋을 일반 이미지의 RGB 채널처럼 동시에 고려하는 모델을 만들었습니다. 같은 시점, 같은 위치를 찍은 4종류의 이미지를 채널 dimension으로 쌓아서 사용했습니다. 여기서 ImageNet pretrained weights를 사용하기 위해 4채널을 3채널로 만들 필요가 있는데 적외선 1, 2채널이 비슷하다고 판단하여 같은 parameter를 사용했다고 합니다. Faster R-CNN에서 bounding box를 구하고, 해당 박스의 중심 좌표를 태풍의 중심으로 간주했습니다. 강도 예측에 대해선 잘 이해를 못했지만 태풍의 중심 위치와 강도를 multi task learning으로 한 번에 해결하려고 시도하는 점이 인상 깊었습니다.

다음 발표는 중앙대학교 김민종님의 Truncated distribution을 이용한 weight initialization 방법입니다. 발표자는 기존 Xavier, He initialization의 방식에 대해서 수식을 하나하나 전개하며 자세하게 이야기했습니다. 기존 초기화 방법론이 정규분포를 그대로 사용하며 양 끝단 값 떄문에 saturation 되는 점을 지적했습니다. Xavier initialization의 원리에서 Truncated Normal distribution을 적용한 방법과, 정규분포보다 좀 더 중심에 모이는 특성을 가진 Cauchy distribution을 trauncated 하여 초기화하는 두 가지 방법을 제시했습니다. 어떻게 보면 단순한 아이디어인데 문제점을 정확하게 짚어서 해당 문제를 해결하는 형태로 아이디어를 제시한 점이 인상깊습니다. 그리고 실제로 MNIST와 CIFAR-10 데이터셋에 기본적인 모델을 적용하여 확인한 결과 성능이 증가하는 것을 볼 수 있었고, 특히 CIFAR-10 데이터셋에서 2퍼센트 가량 높아진 것을 볼 수 있었습니다.

다음 발표는 고려대학교 이민형님의 "합성곱 순환 신경망을 활용한 태풍의 최대 풍속 산출"입니다. 현재 대우조선 프로젝트에서 진행하고 있는 파도 이미지를 통한 해상정보 regression 프로젝트와 밀접한 관계가 있는 것 같아서 재밌게 들었습니다. 선행연구 설명에서 regression 모델을 구축한 예제 중 잘게 class를 나누어서 classification 모델을 만든 후, 실제 풍속 값을 예측할 땐 해당 클래스의 가중평균을 사용한다는 것이 있어서 신기했습니다. 발표자 분의 본 모델에선 모델 자체를 Regression 모델을 만들었고, 사용한 구조는 CRNN(Convolutional Recurrent Neural Network)을 사용했습니다.

입력 데이터는 태풍 region을 224x224로 resize한 연속된 이미지입니다. 해당 image sequence를 CRNN 모델에 넣는데요. 이미지에서 feature tensor를 뽑는 것은 ResNet18을 사용했습니다. 이 때 Image Net의 pretrained weight를 사용했다고 합니다. 여기서 뽑아낸 feature tensor를 Dense layer를 통해 차원을 줄이고, sequence 순서대로 LSTM을 사용하고, 다시 Dense layer를 두어 최종 값을 예측했습니다. 실제로 image feature를 시각화했을 때 풍속에 따라 잘 분리되는 것이 보여졌고, 성능 역시 풍속을 잘 예측하는 것으로 보입니다. 해당 발표에선 채널마다 모델을 만들어서 비교했는데 다양한 채널을 한 번에 활용해서 결과를 도출하면 어떻게될지 궁금합니다.

이번 컨퍼런스에서 재밌는 연구가 많았습니다. 그 중 현재 저도 고민하고 있는 task에 대해서 비슷한 주제의 발표들을 여러개 듣게되어서 좋았습니다. 컨퍼런스에서 다양한 관점의 인사이트를 얻은 것 같아서 의미있는 컨퍼런스 참여였습니다.
전체 0

전체 181
번호 제목 작성자 작성일 추천 조회
101
2019 한국데이터마이닝학회 춘계학술대회 - 김동화
관리자 | 2020.03.12 | 추천 0 | 조회 75
관리자 2020.03.12 0 75
100
2019 한국데이터마이닝학회 춘계학술대회 - 김준홍
관리자 | 2020.03.12 | 추천 0 | 조회 103
관리자 2020.03.12 0 103
99
2019 한국데이터마이닝학회 춘계학술대회 - 이정훈
관리자 | 2020.03.12 | 추천 0 | 조회 202
관리자 2020.03.12 0 202
98
2019 한국데이터마이닝학회 춘계학술대회 - 최종현
관리자 | 2020.03.12 | 추천 0 | 조회 91
관리자 2020.03.12 0 91
97
2019 한국데이터마이닝학회 춘계학술대회 - 노영빈
관리자 | 2020.03.12 | 추천 0 | 조회 125
관리자 2020.03.12 0 125
96
2019 한국데이터마이닝학회 춘계학술대회 - 양우식
관리자 | 2020.03.12 | 추천 0 | 조회 83
관리자 2020.03.12 0 83
95
2019 한국데이터마이닝학회 춘계학술대회 - 서승완
관리자 | 2020.03.12 | 추천 0 | 조회 45
관리자 2020.03.12 0 45
94
2019 한국데이터마이닝학회 춘계학술대회 - 조규원
관리자 | 2020.03.12 | 추천 0 | 조회 86
관리자 2020.03.12 0 86
93
2019 한국데이터마이닝학회 춘계학술대회 - 손규빈
관리자 | 2020.03.12 | 추천 0 | 조회 48
관리자 2020.03.12 0 48
92
2019 한국데이터마이닝학회 춘계학술대회 - 송서하
관리자 | 2020.03.12 | 추천 0 | 조회 58
관리자 2020.03.12 0 58

Data Science & Business Analytics Lab.
School of Industrial Management Engineering
College of Engineering, Korea University

Contact Us

  • 강필성 교수 (pilsung_kang@korea.ac.kr)
    서울특별시 성북구 안암로 145 고려대학교 자연계캠퍼스 창의관 801A호 
  • 대학원 연구실 (총무 이유경: yukyung_lee@korea.ac.kr)
    서울특별시 성북구 안암로 145 고려대학교 자연계캠퍼스 신공학관 220호, 221호, 213호
© 2020 DSBA Lab.