메타러닝 소샷 분류에서 샘플 특징 판별 능력이 부족한 문제를 해결하기 위해 클래스 내-클래스 간 채널 주의 소샷 분류 방법(Intra-inter Channel Attention Few-shot Classification, ICAFSC)을 제안하였다. ICAFSC는 프로토타입 네트워크를 기반으로 클래스 내-클래스 간 채널 주의 모듈을 설계하였으며, 해당 모듈은 클래스 내-클래스 간 거리 측정을 통해 채널 가중치를 계산하여 특징을 가중시키고, 특징의 클래스 판별 능력을 향상시킨다. 메타 학습 단계에서 클래스 내-클래스 간 채널 주의 모듈을 직접 학습할 경우 과적합 또는 과소적합 현상이 발생하기 쉬운 문제를 극복하기 위해, ICAFSC는 프로토타입 네트워크의 메타 학습 이전에 사전 학습 단계를 추가하였다. 이 단계에서는 다수의 라벨된 샘플이 있는 분류 작업을 설계하고, 이를 통해 클래스 내-클래스 간 채널 주의 모듈을 충분히 학습시켜 모듈이 최적 상태에 도달하도록 한다. 프로토타입 네트워크의 메타 학습 및 메타 테스트 단계에서는 클래스 내-클래스 간 채널 주의 모듈의 파라미터를 고정하여 소샷 분류 경험의 학습과 전이를 각각 구현한다. MiniImagenet 데이터셋에서 1-shot 및 5-shot 소샷 분류 실험을 각각 수행하였다. 실험 결과 본 논문에서 제안한 클래스 내-클래스 간 채널 주의 소샷 분류 방법은 1-shot 및 5-shot 조건에서 프로토타입 네트워크 대비 분류 정확도를 각각 1.93%, 1.15% 향상시켰다.

딥 러닝;소샷 분류;메타러닝;프로토타입 네트워크;채널 주의