화상분류는 중첩신경망의 대표적인 응용분야의 하나로서 분류성능을 개선하기 위한 많은 모형들이 제안되였다. 특히 인간의 시각체계를 모의한 주목절차가 많은 연구사들의 관심을 모으고있으며 화상분류와 대상검출의 정확도를 개선하기 위한 여러가지 주목절차들이 연구되였다.
화상분류에 적용되는 대표적인 주목절차들인 공간주목, 통로주목, 공간통로주목에서는 공간 및 통로차원을 압축하기 위하여 공간 및 통로차원에서 독립적으로 대역적평균풀링을 적용하는데 이것은 정보의 손실을 가져오며 통로차원과 공간차원의 련관성을 고려하지 못한다. 공간정보의 중요성은 통로에 따라 다르며 공간정보와 통로정보는 서로 의존관계에 있다.
그러므로 우리는 통로에 따르는 공간주목정보와 통로차원과 공간차원사이의 호상작용정보를 획득하기 위한 공간통로주목절차를 제안하고 이 주목절차는 특징지도의 매 통로별로 중요한 공간정보를 획득하는 동시에 공간차원과 통로차원사이의 호상작용도 동시에 획득하였다.
제안된 주목절차는 기존의 ResNet나 MobileNet, EfficientNet와 통합될수 있으며 화상분류성능은 ImageNet-1K와 PlantVillage자료모임에 대하여 Top-1분류정확도가 각각 73.4%, 87.9%로서 기존의 주목절차들에 비하여 각각 약 1% 개선되였다.
연구조는 잎들의 색과 형태는 류사하고 류형이 단지 잎화상의 국부적인 병든 부위에 의해서만 결정되는 PlantVillage자료모임과 같이 류형에 대한 특징이 공간적으로 국부적이고 다양한 양상을 가지는 화상들에 대한 분류에 아주 효과적이라는것을 밝혔다. 이 효과성은 제안한 주목절차가 특징추출단계에서 공간적으로 각이한 위치에서 다양한 형태의 특징들을 추출할수 있다는데 기인된다.
이상의 연구결과는 《Multimedia Tools and Applications(2025)》에 《Design of spatial channel attention mechanism based on Depthwise convolution》(https://doi.org/10.1007/s11042-025-20937-5)라는 제목으로 출판되였다.
