| 1 |
1
컴퓨팅 디바이스에 의해 수행되며, 신경망(Neural Network)을 통해 입력 데이터의 클래스를 식별하도록 구성된 신경망 모델을 학습시키기 위한 방법으로서, 상기 방법은,원본 데이터를 이용하여 상기 신경망 모델을 학습시키는 제1 학습 단계로서, 상기 원본 데이터에 대한 제1 특징 맵을 생성하는 단계, 및 상기 생성된 제1 특징 맵으로부터 상기 원본 데이터에 대한 제1 클래스 액티베이션 맵(Class Activation Map)을 생성하는 단계를 포함하는, 제1 학습 단계; 및상기 원본 데이터로부터 변환된 적대 데이터(Adversarial Data)를 이용하여 상기 신경망 모델을 학습시키는 제2 학습 단계로서, 상기 적대 데이터에 대한 제2 특징 맵을 생성하는 단계, 상기 생성된 제2 특징 맵으로부터 상기 적대 데이터에 대한 제2 클래스 액티베이션 맵을 생성하는 단계, 및 상기 제1 및 제2 클래스 액티베이션 맵에 대한 로짓 페어링(Logit Pairing)을 기반으로 상기 제2 클래스 액티베이션 맵이 상기 제1 클래스 액티베이션 맵을 추종하도록 상기 신경망 모델을 학습시키는 단계를 포함하는, 제2 학습 단계;를 포함하는 것을 특징으로 하는 신경망 모델 학습 방법
|
| 2 |
2
제1항에 있어서,상기 적대 데이터는, 상기 원본 데이터에 PGD(Projected Gradient Descent) 알고리즘을 적용하여 획득되는 것을 특징으로 하는 신경망 모델 학습 방법
|
| 3 |
3
제1항에 있어서,상기 제2 학습 단계의 상기 신경망 모델을 학습시키는 단계는,상기 제2 클래스 액티베이션 맵이 상기 제1 클래스 액티베이션 맵을 추종하여, 상기 적대 데이터의 클래스를 상기 원본 데이터의 클래스로 식별하도록 상기 신경망 모델을 학습시키는 것을 특징으로 하는 신경망 모델 학습 방법
|
| 4 |
4
제3항에 있어서,상기 제2 학습 단계의 상기 신경망 모델을 학습시키는 단계는,로짓 페어링을 기반으로 상기 제1 클래스 액티베이션 맵에 대한 상기 제2 클래스 액티베이션 맵의 손실을 지표하는 손실 함수를 정의하고, 상기 손실 함수의 출력값이 최소화되도록 상기 신경망 모델을 학습시키는 것을 특징으로 하는 신경망 모델 학습 방법
|
| 5 |
5
제4항에 있어서,상기 손실 함수는, 상기 제1 클래스 액티베이션 맵의 액티베이션 값과, 상기 제2 클래스 액티베이션 맵의 액티베이션 값 간의 차이를 지표하는 것을 특징으로 하는 신경망 모델 학습 방법
|
| 6 |
6
프로세서(processor); 및상기 프로세서를 통해 실행되며, 신경망(Neural Network)을 통해 입력 데이터의 클래스를 식별하도록 구성된 신경망 모델을 학습시키기 위한 적어도 하나의 명령이 저장된 메모리;를 포함하고,상기 프로세서를 통해 실행되는 상기 적어도 하나의 명령은,원본 데이터를 통한 상기 신경망 모델의 학습을 통해 상기 원본 데이터에 대한 제1 특징 맵을 생성하도록 하는 명령,상기 생성된 제1 특징 맵으로부터 상기 원본 데이터에 대한 제1 클래스 액티베이션 맵(Class Activation Map)을 생성하도록 하는 명령,상기 원본 데이터로부터 변환된 적대 데이터(Adversarial Data)를 통한 상기 신경망 모델의 학습을 통해 상기 적대 데이터에 대한 제2 특징 맵을 생성하도록 하는 명령,상기 생성된 제2 특징 맵으로부터 상기 적대 데이터에 대한 제2 클래스 액티베이션 맵을 생성하도록 하는 명령, 및상기 제1 및 제2 클래스 액티베이션 맵에 대한 로짓 페어링(Logit Pairing)을 기반으로 상기 제2 클래스 액티베이션 맵이 상기 제1 클래스 액티베이션 맵을 추종하도록 상기 신경망 모델을 학습시키도록 하는 명령을 포함하는 것을 특징으로 하는, 신경망 모델 학습 장치
|
| 7 |
7
제6항에 있어서,상기 프로세서는, 상기 신경망 모델을 학습시키도록 하는 명령 실행 시,상기 제2 클래스 액티베이션 맵이 상기 제1 클래스 액티베이션 맵을 추종하여, 상기 적대 데이터의 클래스를 상기 원본 데이터의 클래스로 식별하도록 상기 신경망 모델을 학습시키는 것을 특징으로 하는 신경망 모델 학습 장치
|
| 8 |
8
제7항에 있어서,상기 프로세서는, 상기 신경망 모델을 학습시키도록 하는 명령 실행 시,로짓 페어링을 기반으로 상기 제1 클래스 액티베이션 맵에 대한 상기 제2 클래스 액티베이션 맵의 손실을 지표하는 손실 함수를 정의하고, 상기 손실 함수의 출력값이 최소화되도록 상기 신경망 모델을 학습시키는 것을 특징으로 하는 신경망 모델 학습 장치
|
| 9 |
9
제8항에 있어서,상기 손실 함수는, 상기 제1 클래스 액티베이션 맵의 액티베이션 값과, 상기 제2 클래스 액티베이션 맵의 액티베이션 값 간의 차이를 지표하는 것을 특징으로 하는 신경망 모델 학습 장치
|
| 10 |
10
하드웨어와 결합되어, 신경망(Neural Network)을 통해 입력 데이터의 클래스를 식별하도록 구성된 신경망 모델을 학습시키기 위한 단계들을 실행시키기 위해 컴퓨터 판독 가능 기록 매체에 저장된 컴퓨터 프로그램으로서, 상기 단계들은,원본 데이터를 이용하여 상기 신경망 모델을 학습시키는 제1 학습 단계로서, 상기 원본 데이터에 대한 제1 특징 맵을 생성하는 단계, 및 상기 생성된 제1 특징 맵으로부터 상기 원본 데이터에 대한 제1 클래스 액티베이션 맵(Class Activation Map)을 생성하는 단계를 포함하는, 제1 학습 단계; 및상기 원본 데이터로부터 변환된 적대 데이터(Adversarial Data)를 이용하여 상기 신경망 모델을 학습시키는 제2 학습 단계로서, 상기 적대 데이터에 대한 제2 특징 맵을 생성하는 단계, 상기 생성된 제2 특징 맵으로부터 상기 적대 데이터에 대한 제2 클래스 액티베이션 맵을 생성하는 단계, 및 상기 제1 및 제2 클래스 액티베이션 맵에 대한 로짓 페어링(Logit Pairing)을 기반으로 상기 제2 클래스 액티베이션 맵이 상기 제1 클래스 액티베이션 맵을 추종하도록 상기 신경망 모델을 학습시키는 단계를 포함하는, 제2 학습 단계;를 포함하는, 컴퓨터 판독 가능 기록 매체에 저장된 컴퓨터 프로그램
|
