한 번에 학습하는 틀에서 벗어나기
주석 없는 이미지 분류는 의미 있는 군집을 찾는 문제다. SCAN은 특징 학습과 군집화를 하나의 종단간 과정으로 묶는 대신 두 단계로 분리할 것을 제안한다.
의미 특징을 먼저 얻기
첫 단계에서는 표현 학습의 자기 지도 과제로 의미 있는 특징을 얻는다. 두 번째 단계는 이 특징을 학습 가능한 군집화의 사전 정보로 사용한다. 영상의 저수준 외형에 군집이 좌우되는 경로를 줄이려는 구성이다.
평가 범위와 레이블의 의미
연구는 소규모 분류 자료와 대규모 이미지 분류 자료에서 주석 없는 군집의 품질을 평가한다. 군집의 의미를 평가할 때는 군집 번호와 정답 범주의 대응이 필요하며 번호 자체가 사람이 쓰는 이름은 아니다.
의미와 배경의 독립 예
설명용으로 고양이와 개를 배경의 초록색 여부만으로 나누면 묶음은 명확해도 원하는 물체 의미와 다를 수 있다. 군집의 분리와 의미적 적절성을 함께 확인해야 한다. 실제 연구 표본을 옮기지 않은 특징 선택의 예다.