전이 학습 기반의 생성 이미지 판별 모델 설계

• Published in: Journal of the convergence on culture technology : JCCT Vol. 10; no. 2; pp. 465 - 470
• Main Authors: 김채원, 윤성연, 한명은, 박민서
• Format: Journal Article
• Language: Korean
• Published: 국제문화기술진흥원 31.03.2024
• Subjects: 과학기술학; 생성 이미지; 분류; Transfer Learning; 전이 학습; Classification; 딥러닝; Generated Synthetic Images; Deep Learning
• ISSN: 2384-0358; 2384-0366
• DOI: 10.17703/JCCT.2024.10.2.465

인공지능(Artificial Intelligence, AI) 기반 이미지 생성 기술의 발달로 다양한 이미지가 생성되고 있으며, 이를 정확하게 판별하는 기술이 필요하다. 생성된 이미지 데이터의 양에는 한계가 있으며, 한정된 데이터로 높은 성능을 내기 위해 본 연구에서는 전이 학습(Transfer Learning)을 활용한 생성 이미지를 판별하는 모델을 제안한다. ImageNet 데이터 셋으로 사전학습 된 모델을 입력 데이터 셋인 CIFAKE 데이터 셋에 그대로 적용하여 학습의 시간 비용을 줄인 후, 3개의 은닉층과 1개의 출력층을 더해 모델을 튜닝한다. 모델링 결과, 최종 레이어를 조정한 모델의 성능이 높아짐을 확인하였다. 딥러닝에서 전이 학습을 통해 학습한 후 출력층과 가까운 레이어를 데이터의 특성에 맞 게 추가 및 조정하는 과정을 통해 적은 이미지 데이터로 인한 학습 정확도 이슈를 줄이고 생성된 이미지 판별을 할 수 있다는 데 의의가 있다