부분 공간법의 최근의 발전

전문가 제언

○ PR, CV 분야에서 부분 공간 기술은 Subspace learning, Manifold learning으로 알려져 자료 차원 압축에 널리 사용된다. 기본적으로는 매우 단순하여 모든 정보에 같은 값을 주어 처리하면 사물을 구별할 수 없다는 것이다. PR의 경우, 관계가 없는 특징을 배제함이 중요하다는 사실로부터 SELFIC이 제안되고 이의 구현을 위해서 Subspace 방법을 제시했는데 이것이 현재 PR 기법의 원류가 되었다.

○ 부분 공간법의 약점은 유사한 부류에 대해서는 유사한 특징을 추출한다는 것이다. 때문에 틀린 특징을 선택하거나, 공간 세트의 직교부분을 구하거나 또는 부분 공간을 회전하는 학습 부분 공간 등이 제안되고 있다. 상호 부분 공간법은 학습 샘플뿐만 아니라 입력 샘플에도 부분 공간 알고리즘을 적용하여 특징을 추출하는 것이다.

○ 실용적인 측면에서 가장 큰 문제는 부분 공간의 차원 수 결정이다. 현재는 각 부류에서 부분 공간을 동일하게 보는 교차 검증법이 최선이다. 상호 부분 공간법의 정준각의 적정성 및 이들 정준각의 최소화 문제도 있다. 마지막으로 KLT의 타당성인데 엔트로피로 측정되는 정보와 인간이 느끼는 정보에는 큰 격차가 있다.

○ 참고 문헌에 국내 연구자의 결과가 인용되지 않아 ScienceDirect를 사용하여 정보 검색을 한 결과, PR에서 subspace는 5,409편, CV에서는 2,512편이 나와서 CV에서 PR의 기법을 많이 활용하고 있음을 알 수 있다. PR과 subspace를 mutual subspace로 제약하면 753편, KLT로 제약하면 80편이다.

○ mutual subspace의 753편에는 20편의 한국인 논문이 있어 3%에도 미치지 못하고 있다. 이중에 8편은 PR분야로서 그 가운데 4편이 face recognition인 점은 흥미롭다. 나머지 12편은 classification 분야로서 feature extraction에 4편의 논문이 있었다, 그러나 논문의 양이 미미하여 국내 활동이 활발하다고는 평가할 수 없다.

저자

Hitoshi Sakano

자료유형

학술정보

원문언어

일어

기업산업분류

정보통신

연도

2012

권(호)

95(4)

잡지명

電子情報通信學會誌

과학기술
표준분류

정보통신

페이지

347~351

분석자

김*창

분석물

• 부분 공간법의 최근의 발전.pdf [230,323 byte]

이미지변환중입니다.