• 지능정보연구
• /
• 제24권1호
• /
• pp.205-225
• /
• 2018

Convolutional Neural Network (ConvNet)은 시각적 특징의 계층 구조를 분석하고 학습할 수 있는 대표적인 심층 신경망이다. 첫 번째 신경망 모델인 Neocognitron은 80 년대에 처음 소개되었다. 당시 신경망은 대규모 데이터 집합과 계산 능력이 부족하여 학계와 산업계에서 널리 사용되지 않았다. 그러나 2012년 Krizhevsky는 ImageNet ILSVRC (Large Scale Visual Recognition Challenge) 에서 심층 신경망을 사용하여 시각적 인식 문제를 획기적으로 해결하였고 그로 인해 신경망에 대한 사람들의 관심을 다시 불러 일으켰다. 이미지넷 첼린지에서 제공하는 다양한 이미지 데이터와 병렬 컴퓨팅 하드웨어 (GPU)의 발전이 Krizhevsky의 승리의 주요 요인이었다. 그러므로 최근의 딥 컨볼루션 신경망의 성공을 병렬계산을 위한 GPU의 출현과 더불어 ImageNet과 같은 대규모 이미지 데이터의 가용성으로 정의 할 수 있다. 그러나 이러한 요소는 많은 도메인에서 병목 현상이 될 수 있다. 대부분의 도메인에서 ConvNet을 교육하기 위해 대규모 데이터를 수집하려면 많은 노력이 필요하다. 대규모 데이터를 보유하고 있어도 처음부터 ConvNet을 교육하려면 많은 자원과 시간이 소요된다. 이와 같은 문제점은 전이 학습을 사용하면 해결할 수 있다. 전이 학습은 지식을 원본 도메인에서 새 도메인으로 전이하는 방법이다. 전이학습에는 주요한 두 가지 케이스가 있다. 첫 번째는 고정된 특징점 추출기로서의 ConvNet이고, 두번째는 새 데이터에서 ConvNet을 fine-tuning 하는 것이다. 첫 번째 경우, 사전 훈련 된 ConvNet (예: ImageNet)을 사용하여 ConvNet을 통해 이미지의 피드포워드 활성화를 계산하고 특정 레이어에서 활성화 특징점을 추출한다. 두 번째 경우에는 새 데이터에서 ConvNet 분류기를 교체하고 재교육을 한 후에 사전 훈련된 네트워크의 가중치를 백프로퍼게이션으로 fine-tuning 한다. 이 논문에서는 고정된 특징점 추출기를 여러 개의 ConvNet 레이어를 사용하는 것에 중점을 두었다. 그러나 여러 ConvNet 레이어에서 직접 추출된 차원적 복잡성을 가진 특징점을 적용하는 것은 여전히 어려운 문제이다. 우리는 여러 ConvNet 레이어에서 추출한 특징점이 이미지의 다른 특성을 처리한다는 것을 발견했다. 즉, 여러 ConvNet 레이어의 최적의 조합을 찾으면 더 나은 특징점을 얻을 수 있다. 위의 발견을 토대로 이 논문에서는 단일 ConvNet 계층의 특징점 대신에 전이 학습을 위해 여러 ConvNet 계층의 특징점을 사용하도록 제안한다. 본 논문에서 제안하는 방법은 크게 세단계로 이루어져 있다. 먼저 이미지 데이터셋의 이미지를 ConvNet의 입력으로 넣으면 해당 이미지가 사전 훈련된 AlexNet으로 피드포워드 되고 3개의 fully-connected 레이어의 활성화 틀징점이 추출된다. 둘째, 3개의 ConvNet 레이어의 활성화 특징점을 연결하여 여러 개의 ConvNet 레이어의 특징점을 얻는다. 레이어의 활성화 특징점을 연결을 하는 이유는 더 많은 이미지 정보를 얻기 위해서이다. 동일한 이미지를 사용한 3개의 fully-connected 레이어의 특징점이 연결되면 결과 이미지의 특징점의 차원은 4096 + 4096 + 1000이 된다. 그러나 여러 ConvNet 레이어에서 추출 된 특징점은 동일한 ConvNet에서 추출되므로 특징점이 중복되거나 노이즈를 갖는다. 따라서 세 번째 단계로 PCA (Principal Component Analysis)를 사용하여 교육 단계 전에 주요 특징점을 선택한다. 뚜렷한 특징이 얻어지면, 분류기는 이미지를 보다 정확하게 분류 할 수 있고, 전이 학습의 성능을 향상시킬 수 있다. 제안된 방법을 평가하기 위해 특징점 선택 및 차원축소를 위해 PCA를 사용하여 여러 ConvNet 레이어의 특징점과 단일 ConvNet 레이어의 특징점을 비교하고 3개의 표준 데이터 (Caltech-256, VOC07 및 SUN397)로 실험을 수행했다. 실험결과 제안된 방법은 Caltech-256 데이터의 FC7 레이어로 73.9 %의 정확도를 얻었을 때와 비교하여 75.6 %의 정확도를 보였고 VOC07 데이터의 FC8 레이어로 얻은 69.2 %의 정확도와 비교하여 73.1 %의 정확도를 보였으며 SUN397 데이터의 FC7 레이어로 48.7%의 정확도를 얻었을 때와 비교하여 52.2%의 정확도를 보였다. 본 논문에 제안된 방법은 Caltech-256, VOC07 및 SUN397 데이터에서 각각 기존에 제안된 방법과 비교하여 2.8 %, 2.1 % 및 3.1 %의 성능 향상을 보였다.

• 동남아시아연구
• /
• 제27권2호
• /
• pp.37-76
• /
• 2017

베트남이 메콩 델타로 영토를 팽창하는 역사 속에서 완거정은 두 개의 얼굴을 갖는다. 하나는 현재 베트남 영토 내에 있는 메콩 델타 거의 전부를 획득하는 데서 그의 공헌이다. 또 하나는 베트남 역사를 읽는 독자들의 눈을 현재의 베트남 영역에만 머물게 하는 그의 역할이다. 독자들에게 완거정의 메콩 델타 획득은 베트남 남진사의 마지막 단계로 인식된다. 그러나 완거정의 업적은 부분적이었을 뿐이다. 이 연구는 메콩 델타에서의 영토 팽창 추이에서 완거정 보다 무왕에 주목한다. 무왕의 목표는 완거정의 공헌에 의해 성취된 영토 획득보다 더 야심적이었다. 그리고 이 야심은 새로운 세계, 새로운 국제 질서를 건설한다는 그의 꿈에 의해 추동된 것이며, 그가 건설한 수도 푸쑤언은 이 새 국제 질서의 중심지였다. 여기서 그는 황제가 되기를 희망했다. 주장을 입증하기 위해서 필자는 세 가지의 요소를 검토하고 있다. 첫째는 무왕 왕권의 성격이다. 두 번째는 메콩 델타에서의 군사 작전을 위한 준비 과정이다. 셋째는 새로이 무왕의 판도로 편입된 땅의 성격에 대한 것이다. 북부 홍하 델타에 근거한 레 황실의 신하를 자처하던 선대 지배자들의 태도와 결별하면서 무왕은 즉위한 지 6년 뒤인 1744년 자신이 왕임을 선포했다. 행정 조직이 개편되었고 의복과 풍속도 북부의 것을 버리고 남국의 것을 제정하였다. 무왕은 캄보디아, 참파, 수사, 화사, 만상, 남장 등 조공국도 충분히 확보했다. 레 왕조와 비교해 이 조공국의 숫자는 더 많았으며 19세기 대남 제국의 조공국 수와 맞먹었다. 필자는 이 시점에서 무왕이 실제로 원했던 자리는 왕이 아니라 황제였음을 지적한다. 비록 무왕의 시도는 실패했지만 그는 자신을 천왕이라고 칭함으로써 통상적인 왕은 아님을 분명히 했다. 캄보디아 왕이 캄보디아 영토 내의 참족을 공격한 게 무왕에게는 캄보디아에 개입하는 충분한 이유로 작용했다. 무왕은 이 참족이 자신의 신복이라 여겼다. 왕은 그들이 자신의 판도 내에 있는 참 즉 순성진 참인의 일부라고 간주했기 때문이다. 무왕은 1750년에 캄보디아에 전쟁을 선포했다. 동시에 그는 태국왕에게 외교 서한을 보냈는데 여기서 그는 캄보디아가 자신의 배타적 조공국임을 천명했다. 캄보디아의 영토였던 메콩 델타에의 공격을 개시하기 전에 무왕은 푸쑤언을 새로 건설해 제국의 위상에 걸맞는 권력중심지로 삼았다. 인플레이션, 기근, 경제 왜곡 등도 이 시기를 특징짓는 면모였다. 그러나 이 연구는 무왕의 메콩 델타 진출 이유라고 이야기되어 온 이런 경제적인 측면보다 제국 건설자로서 무왕이 보이던 적극적 정책에 더 관심을 가지며 이런 정책에 기초한 영토 팽창의 욕구가 메콩 델타의 광활한 땅을 차지하고자 하는 데 결정적인 이유가 되었다고 주장한다. 1754년부터 3년 동안 현재 베트남의 영토에 해당하는 메콩 델타 대부분이 무왕의 영토로 편입되었다. 여기에는 완거정의 역할이 컸다. 그러나 무왕이 차지하고자 한 영역의 범주는 여기에 더해 메콩 오른편에 해당하며 현재의 사이공보다 위쪽에 있는 껌뽕짬, 프레이비엥, 스바이리엥을 포괄했다. 많아진 조공국의 수에 걸맞게 제국의 영토는 넉넉히 확대되어야 했다. 무왕의 전략은 '잠식지계'와 '이만공만'의 변주곡이었다고 이 글은 주장한다. 무왕은 하부캄보디아에 해당하는 델타를 야금야금 차지했다. 이는 누에가 뽕잎을 먹는 것과 같다는 게 일반적인 이해 방식이다. 그러나 무왕의 최종적 목표는 위에서 언급한 메콩 델타 세 개의 주까지 다 먹어치우는 것이었다. '다 먹어치운다'는 건 '잠식'의 또 다른 의미이자 적용이었다. 무왕은 현 롱안 지역으로부터 쩌우독에 이르기까지의 땅을 차지하는 과정에서 참인을 이용해 캄보디아를 쳤다. 이것은 '이만공만'의 표준적 적용이었다. 이에 더해 그는 막씨가 관할하던 중국인 망명자들을 이용해 하띠엔과 그 주변 지역을 캄보디아 왕으로부터 취했다. '이만공만'의 또다른 적용이라고 할 수 있다. 결론적으로, 필자는 19세기에 출현할 응우옌 왕조의 제국 질서 뿌리를 바라보는 새로운 방식을 주장한다. 제국 질서는 홍하 델타에 근거한 대월 제국 왕조들의 오랜 역사의 결과물이 아니라 푸쑤언에 앉은 무왕의 신 세계질서를 계승한 것이라는 주장이다. '이만공만'과 '잠식지계'는 무왕의 후손들에게 여전히 유용했다. 그의 손자인 쟈롱은 타이, 크메르, 라오, 중국인, 산지민, 유럽인 같은 '만'을 이용해 또다른 '만'인 '떠이썬 도적떼(西賊)'를 이겼다. 떠이썬에는 수많은 중국인 및 중국 해적이 활동하고 있었으며 참인, 산지민이 있었다. 무왕의 증손자인 민망 황제는 화려한 제국을 건설했다. 동시에 그는 캄보디아와 참 영역을 몽땅 먹어치우면서 영토 확장에도 골몰하고 있었다.