Core Concepts
자기 주의 메커니즘을 추가하는 것만으로는 기존 완전 합성곱 모델의 성능을 능가하지 못한다.
Abstract
이 연구는 의료 영상 분류 작업에서 자기 주의 메커니즘의 활용 가능성을 평가하였다. 두 가지 널리 사용되는 합성곱 신경망 아키텍처(ResNet18, EfficientNet-B0)에 다양한 자기 주의 메커니즘을 적용하여 성능을 비교하였다.
실험 결과, 자기 주의 메커니즘을 추가하는 것이 기존 완전 합성곱 모델에 비해 유의미한 성능 향상을 가져오지 못했다. 오히려 일부 모델에서는 성능이 유의미하게 감소하기도 했다.
또한 자기 주의 메커니즘을 사용한 모델들이 의료적으로 중요한 특징들(예: 피부 병변의 대칭성, 경계 불규칙성 등)을 학습하는 데 있어서도 기존 모델과 큰 차이가 없었다.
이러한 결과를 바탕으로 저자들은 단순히 자기 주의 메커니즘을 추가하는 것만으로는 기존 완전 합성곱 모델의 성능을 능가하기 어렵다고 결론 내렸다. 향후 연구에서는 자기 주의 메커니즘을 보다 효과적으로 활용할 수 있는 새로운 접근법이 필요할 것으로 보인다.
Stats
피부 병변 분류 작업에서 ResNet18 모델의 기준 정확도는 73.9%였다.
종양 조직 분류 작업에서 EfficientNet-B0 모델의 기준 정확도는 98.5%였다.
Quotes
"단순히 자기 주의 메커니즘을 추가하는 것만으로는 기존 완전 합성곱 모델의 성능을 능가하기 어렵다."
"자기 주의 메커니즘을 사용한 모델들이 의료적으로 중요한 특징들을 학습하는 데 있어서도 기존 모델과 큰 차이가 없었다."