판별적인 일부의 한계
이미지 분류기에서 얻은 위치 지도는 객체의 작은 부분에 집중하기 쉽다. FickleNet은 여러 위치의 조합을 활용해 객체 영역에 대한 정보를 더 넓게 탐색한다.
무작위 은닉 유닛 선택
특징 지도의 은닉 유닛을 무작위로 고른 뒤 이미지 분류의 활성화 점수를 계산한다. 이를 통해 특징 위치 사이의 일관성을 암묵적으로 학습하도록 구성한다.
하나의 모델에서 얻는 다양성
무작위 유닛 쌍의 선택으로 한 이미지에서도 여러 위치 지도를 생성한다. 여러 모델을 따로 만드는 대신 한 신경망 안에서 앙상블과 유사한 효과를 얻으려는 접근이다.
구성과 평가
표준 합성곱 신경망에 간단한 층을 더하고 추가 학습 단계 없이 적용하는 구성을 제시했다. PASCAL VOC 2012에서 약한 감독과 반지도 분할을 각각 평가했다.
관련 문서
비판별 특징 활성화 지도 / AdvCAM 분할 / RIB 약한 감독 분할 / Puzzle-CAM / SEAM / AffinityNet