클래스에 구애받지 않는 기능(Class-agnostic feature)을 도입한 이미지 사이의 유사성에 대한 심층 메트릭 학습(Deep Metric Learning) 방법

초록

본 발명은 클래스에 구애받지 않는 기능(Class-agnostic feature)을 도입한 이미지 사이의 유사성에 대한 심층 메트릭 학습(Deep Metric Learning) 방법에 관한 것으로서, 보다 상세하게는 정보 병목 현상의 프레임워크 내에서 해리된 심층 메트릭 학습(Disentan-gled Deep Metric Learning, DDML)으로써 클래스에 구애받지 않는 기능(Class-agnostic feature)을 도입한 이미지 사이의 유사성에 대한 심층 메트릭 학습(Deep Metric Learning) 방법에 관한 것으로, 심층 메트릭 학습(Deep Disentangled Metric Learning, DDML) 방법에 있어서, 심층 메트릭 학습(Deep Disentangled Metric Learning, DDML)의 레이어는 해리된 심층 메트릭 학습 손실 함수(LDDML)를 포함하며, 해리된 심층 메트릭 학습 손실 함수(LDDML)는 데이터 포인트 간의 거리를 학습하여, 유사한 데이터 포인트들은 더 가깝게 다른 데이터 포인트들은 더 멀리 위치하도록 하는 심층 메트릭 학습 손실 함수(LDML)를 포함하는 단계; 및 심층 메트릭 학습 손실 함수(LDML)와 독립적으로 동작하며, 클래스별(class specific) 독립적인 특징을 학습하도록 도와주는 정규화 기법을 포함하는 클래스 비종속 정규화 손실 함수(LCAR-D)를 포함하는 단계;를 포함하는 것을 특징으로 한다.