CNN의 feature map의 학습과 관련하여 질문드립니다.

논문을 대강 보니 train 데이터가 안전하다/그렇지 않다, 또는 wealth, beauty에 대한 타겟값을 이미 가지고 있는 상태에서 학습을 진행하는 군요. 

그래서 특정 feature map의 형태에 따라서 이 타겟값을 학습을 하는 형태로 되어 있습니다. feature map이 인간이 감정적으로 느끼는 안전하다/그렇지 않다가 아니라 타겟값이 안전하다/그렇지 않다라고 되어 있는 부분을 지속적으로 학습하면서 feature map을 기반으로 안전하다/그렇지 않다를 판별하게 되어 있습니다. 

feature map이 분류에 사용될 때, 특정 feature map의 형태가 '무엇'(가령, 강아지/고양이)이다 라고 판별을 하게 되는 것은 바로 feature map의 특징을 타겟값과 매핑하면서 이 타겟값이 아닌 다른 값을 예측할 경우 손실(Loss)에 대한 penalty를 부여하면서 feature map이 최대한 타겟값을 잘 예측할 수 있도록 만들어 줍니다. 

때문에 타겟값이 있는 학습데이터라면 feature map을 기반으로 안전하다/그렇지 않다를 예측할 수 있을 것 같습니다. 

안녕하십니까, 

비전공이신데도 Siamese Network 논문을 보실 정도라니 대단하시군요. 

일반적으로 이미지의 feature map은 이미지가 가지는 edge, texture, 형태등을 표현합니다. 그런데 이것만 가지고 feature map이 안전하다/그렇지 않다를 결정하기에는 무리가 있습니다. 

제가 해당 논문을 읽어보지는 못했지만, 아마도 뾰족하거나, 각이 져있는 형태로 되어 있거나 하는 이미지들과 부드럽고, 둥글둥글한 형태들을 학습하면서 안전하다/그렇지 않다를 학습 시킨것 아닌지 모르겠습니다. 

해당 논문 URL을 적어 주시면 제가 좀 더 확인해 보겠습니다. 

권철민 선생님 안녕하십니까? 

소중한 답변 정말 감사드립니다!!

논문 url은 아래와 같습니다.

https://www.semanticscholar.org/paper/Deep-Learning-the-City%3A-Quantifying-Urban-at-a-Dubey-Naik/4aba5d0b70564a87d25067a684b789b94ac22d34

(처음에 글을 작성할 때는 혹시나 부담스러우실까봐 논문 url을 남기지 못했습니다ㅎㅎ. 다시 한번 감사의 인사 전합니다!) 

선생님 답변을 듣고 한번 더 생각을 해봤습니다. 간략히 정리해보겠습니다. 사실 이 논문은 안전성(safety) 뿐만 아니라 wealth, beauty 등 다양한 인지적 요소를 개별 모델로 학습시킵니다(beauty 예측 모델, safety 예측 모델. ...). 아래의 그림을 보면, 'Liveliness'와 'wealth'의 경우 edge, texture 또는 shape을 건물로부터 학습할 수 있지 않았나 싶습니다. 'Beauty'의 경우 나무나 콘크리트 재질로부터 feature map이 학습되지 않았을까 싶습니다.  

선생님 소중한 시간 내어주셔서 정말 감사합니다.

이렇게 여쭤볼 곳이 있다는 게 정말 행운인 것 같습니다!