KR20230119537A - 이미지 태깅 모델 성능 비교 평가 방법 및 시스템 - Google Patents

Abstract

본 개시는 적어도 하나의 프로세서에 의해 수행되는, 이미지 태깅 모델 성능 비교 평가 방법에 관한 것이다. 이미지 태깅 모델 성능 비교 평가 방법은, 복수의 검증 이미지 및 복수의 검증 이미지와 연관된 복수의 정답 값을 포함하는 검증 데이터 세트를 수신하는 단계, 제1 이미지 태깅 모델 및 제2 이미지 태깅 모델을 수신하는 단계, 검증 데이터 세트를 이용하여, 제1 이미지 태깅 모델에 대한 제1 성능 스코어를 산출하는 단계 및 검증 데이터 세트를 이용하여, 제2 이미지 태깅 모델에 대한 제2 성능 스코어를 산출하는 단계를 포함하고, 각 정답 값은 검증 클래스 세트 중 적어도 하나와 연관된다.

Description

이미지 태깅 모델 성능 비교 평가 방법 및 시스템{METHOD AND SYSTEM FOR EVALUATING PERFORMANCE OF IMAGE TAGGING MODEL}

본 개시는 이미지 태깅 모델 성능 비교 평가 방법 및 시스템에 관한 것으로, 구체적으로, 상이한 라벨 세트를 출력하는 이미지 태깅 모델들의 성능 스코어를 추가적인 학습 없이, 동일한 검증 데이터 세트를 이용하여 통일된 기준에 따라 객관적으로 평가하는 방법 및 시스템에 관한 것이다.

이미지 태깅 모델은 입력 이미지를 입력 받아, 입력 이미지에 대한 라벨을 출력하도록 구성된 모델을 지칭할 수 있다. 라벨은 이미지에 포함된 객체에 대한 정보, 이미지에 포함된 배경에 대한 정보, 이미지가 묘사하는 상황에 대한 정보 등 이미지와 관련된 의미 있는 정보를 나타낼 수 있다. 일반적으로, 이미지 태깅 모델의 출력 라벨은 학습 데이터에 의해 결정될 수 있다. 즉, 이미지 태깅 모델은 학습 데이터에 포함된 라벨만을 출력할 수 있다.

한편, 이미지 태깅 모델의 성능을 측정하기 위해, 검증 데이터 세트를 이용할 수 있다. 예를 들어, 이미지 태깅 모델에 검증 이미지를 입력하여 얻은 검증 이미지에 대한 출력 값들을 정답 값들과 비교함으로써, 이미지 태깅 모델의 성능을 측정할 수 있다. 여기서, 이미지 태깅 모델이 검증 데이터 세트와 동일한 라벨 세트를 가지는 학습 데이터를 이용하여 학습되지 않은 경우, 출력 값에 포함된 라벨 세트와 정답 값에 포함된 라벨 세트가 서로 달라, 출력 값과 정답 값을 비교함으로써 이미지 태깅 모델의 성능을 제대로 측정할 수 없다. 결국, 종래기술에 따르면, 이미지 태깅 모델의 성능을 평가하기 위해, 검증 데이터 세트와 동일한 라벨 세트를 가지는 학습 데이터를 이용하여 이미지 태깅 모델을 재학습한 뒤 성능을 측정하여야 한다는 문제점이 있다.

특히, 이러한 문제점은 여러 개의 모델을 비교 평가할 때 더욱 두드러지게 나타난다. 여러 개의 모델 중 어떤 모델이 더 좋은 성능을 가지는지 비교 평가하기 위해서는, 동일한 기준으로 평가하는 것이 필요하다. 그러나, 서로 다른 라벨 세트를 가지는 학습 데이터에 의해 학습된 여러 이미지 태깅 모델의 성능을 동일한 검증 데이터 세트를 이용하여 비교 평가하기 위해서는, 각 이미지 태깅 모델을 모두 검증 데이터 세트를 이용하여 재학습 시킨 뒤, 각 모델을 평가하여야 하는 번거로운 절차를 밟아야 한다.

본 개시는 상기와 같은 문제점을 해결하기 위한 이미지 태깅 모델 성능 비교 평가 방법, 기록매체에 저장된 컴퓨터 프로그램 및 장치(시스템)를 제공한다.

본 개시는 방법, 장치(시스템) 또는 판독 가능 저장 매체에 저장된 컴퓨터 프로그램을 포함한 다양한 방식으로 구현될 수 있다.

본 개시의 일 실시예에 따르면, 적어도 하나의 프로세서에 의해 수행되는, 이미지 태깅 모델 성능 비교 평가 방법은, 복수의 검증 이미지 및 복수의 검증 이미지와 연관된 복수의 정답 값을 포함하는 검증 데이터 세트를 수신하는 단계, 제1 이미지 태깅 모델 및 제2 이미지 태깅 모델을 수신하는 단계, 검증 데이터 세트를 이용하여, 제1 이미지 태깅 모델에 대한 제1 성능 스코어를 산출하는 단계 및 검증 데이터 세트를 이용하여, 제2 이미지 태깅 모델에 대한 제2 성능 스코어를 산출하는 단계를 포함하고, 각 정답 값은 검증 클래스 세트 중 적어도 하나와 연관된다.

본 개시의 일 실시예에 따른 방법을 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램이 제공된다.

본 개시의 일 실시예에 따른 정보 처리 시스템은, 메모리 및 메모리와 연결되고, 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고, 적어도 하나의 프로그램은, 복수의 검증 이미지 및 복수의 검증 이미지와 연관된 복수의 정답 값을 포함하는 검증 데이터 세트를 수신하고, 제1 이미지 태깅 모델 및 제2 이미지 태깅 모델을 수신하고, 검증 데이터 세트를 이용하여, 제1 이미지 태깅 모델에 대한 제1 성능 스코어를 산출하고, 검증 데이터 세트를 이용하여, 제2 이미지 태깅 모델에 대한 제2 성능 스코어를 산출하기 위한 명령어들을 포함하고, 각 정답 값은 검증 클래스 세트 중 적어도 하나와 연관된다.

본 개시의 일부 실시예에 따르면, 이미지 태깅 모델과 연관된 라벨 세트와 상이한 검증 클래스 세트를 가지는 검증 데이터 세트를 이용하여, 추가적인 학습 없이 이미지 태깅 모델의 성능을 객관적으로 평가 및 비교할 수 있다.

본 개시의 일부 실시예에 따르면, 서로 다른 라벨 세트를 가지는 복수의 이미지 태깅 모델의 정량 성능을, 추가적인 학습 없이, 동일한 검증 데이터 세트를 이용하여 비교 평가할 수 있다.

본 개시의 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급되지 않은 다른 효과들은 청구범위의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자(“통상의 기술자”라 함)에게 명확하게 이해될 수 있을 것이다.

본 개시의 실시예들은, 이하 설명하는 첨부 도면들을 참조하여 설명될 것이며, 여기서 유사한 참조 번호는 유사한 요소들을 나타내지만, 이에 한정되지는 않는다.
도 1은 본 개시의 일 실시예에 따른 이미지 태깅 모델의 성능 스코어를 측정하는 방법의 예시를 나타내는 도면이다.
도 2는 본 개시의 일 실시예에 따른 정보 처리 시스템이 복수의 사용자 단말과 통신 가능하도록 연결된 구성을 나타내는 개요도이다.
도 3은 본 개시의 일 실시예에 따른 사용자 단말 및 정보 처리 시스템의 내부 구성을 나타내는 블록도이다.
도 4는 본 개시의 일 실시예에 따른 검증 데이터 세트의 예시를 나타내는 도면이다.
도 5는 본 개시의 일 실시예에 따른 이미지 태깅 모델의 출력 값 예시를 나타내는 도면이다.
도 6은 본 개시의 일 실시예에 따라 검증 클래스에 대한 각 라벨의 성능 스코어를 산출하는 방법의 예시를 나타내는 도면이다.
도 7은 본 개시의 일 실시예에 따라 검증 클래스에 대한 각 라벨의 성능 스코어를 산출하는 예시를 나타내는 도면이다.
도 8은 본 개시의 일 실시예에 따라 검증 클래스에 대한 각 라벨의 성능 스코어를 산출하여, 검증 클래스와 라벨을 매핑하는 예시를 나타내는 도면이다.
도 9는 본 개시의 일 실시예에 따른 라벨-검증 클래스 매핑 테이블을 이용하여 이미지 태깅 모델의 출력을 변환하는 예시를 나타내는 도면이다.
도 10은 본 개시의 일 실시예에 따라 이미지 태깅 모델의 성능을 비교 평가하는 예시를 나타내는 도면이다.

이하, 본 개시의 실시를 위한 구체적인 내용을 첨부된 도면을 참조하여 상세히 설명한다. 다만, 이하의 설명에서는 본 개시의 요지를 불필요하게 흐릴 우려가 있는 경우, 널리 알려진 기능이나 구성에 관한 구체적 설명은 생략하기로 한다.

첨부된 도면에서, 동일하거나 대응하는 구성요소에는 동일한 참조부호가 부여되어 있다. 또한, 이하의 실시예들의 설명에 있어서, 동일하거나 대응되는 구성요소를 중복하여 기술하는 것이 생략될 수 있다. 그러나, 구성요소에 관한 기술이 생략되어도, 그러한 구성요소가 어떤 실시예에 포함되지 않는 것으로 의도되지는 않는다.

개시된 실시예의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 개시는 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 개시가 완전하도록 하고, 본 개시가 통상의 기술자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것일 뿐이다.

본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 개시된 실시예에 대해 구체적으로 설명하기로 한다. 본 명세서에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 관련 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서, 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.

본 명세서에서의 단수의 표현은 문맥상 명백하게 단수인 것으로 특정하지 않는 한, 복수의 표현을 포함한다. 또한, 복수의 표현은 문맥상 명백하게 복수인 것으로 특정하지 않는 한, 단수의 표현을 포함한다. 명세서 전체에서 어떤 부분이 어떤 구성요소를 포함한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다.

또한, 명세서에서 사용되는 '모듈' 또는 '부'라는 용어는 소프트웨어 또는 하드웨어 구성요소를 의미하며, '모듈' 또는 '부'는 어떤 역할들을 수행한다. 그렇지만, '모듈' 또는 '부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '모듈' 또는 '부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서, '모듈' 또는 '부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 또는 변수들 중 적어도 하나를 포함할 수 있다. 구성요소들과 '모듈' 또는 '부'들은 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '모듈' 또는 '부'들로 결합되거나 추가적인 구성요소들과 '모듈' 또는 '부'들로 더 분리될 수 있다.

본 개시의 일 실시예에 따르면, '모듈' 또는 '부'는 프로세서 및 메모리로 구현될 수 있다. '프로세서'는 범용 프로세서, 중앙 처리 장치(CPU), 마이크로프로세서, 디지털 신호 프로세서(DSP), 제어기, 마이크로제어기, 상태 머신 등을 포함하도록 넓게 해석되어야 한다. 몇몇 환경에서, '프로세서'는 주문형 반도체(ASIC), 프로그램가능 로직 디바이스(PLD), 필드 프로그램가능 게이트 어레이(FPGA) 등을 지칭할 수도 있다. '프로세서'는, 예를 들어, DSP와 마이크로프로세서의 조합, 복수의 마이크로프로세서들의 조합, DSP 코어와 결합한 하나 이상의 마이크로프로세서들의 조합, 또는 임의의 다른 그러한 구성들의 조합과 같은 처리 디바이스들의 조합을 지칭할 수도 있다. 또한, '메모리'는 전자 정보를 저장 가능한 임의의 전자 컴포넌트를 포함하도록 넓게 해석되어야 한다. '메모리'는 임의 액세스 메모리(RAM), 판독-전용 메모리(ROM), 비-휘발성 임의 액세스 메모리(NVRAM), 프로그램가능 판독-전용 메모리(PROM), 소거-프로그램가능 판독 전용 메모리(EPROM), 전기적으로 소거가능 PROM(EEPROM), 플래쉬 메모리, 자기 또는 광학 데이터 저장장치, 레지스터들 등과 같은 프로세서-판독가능 매체의 다양한 유형들을 지칭할 수도 있다. 프로세서가 메모리로부터 정보를 판독하고/하거나 메모리에 정보를 기록할 수 있다면 메모리는 프로세서와 전자 통신 상태에 있다고 불린다. 프로세서에 집적된 메모리는 프로세서와 전자 통신 상태에 있다.

본 개시에서, '시스템'은 서버 장치와 클라우드 장치 중 적어도 하나의 장치를 포함할 수 있으나, 이에 한정되는 것은 아니다. 예를 들어, 시스템은 하나 이상의 서버 장치로 구성될 수 있다. 다른 예로서, 시스템은 하나 이상의 클라우드 장치로 구성될 수 있다. 또 다른 예로서, 시스템은 서버 장치와 클라우드 장치가 함께 구성되어 동작될 수 있다.

본 개시에서, '기계학습 모델'은 주어진 입력에 대한 해답(answer)을 추론하는데 사용하는 임의의 모델을 포함할 수 있다. 일 실시예에 따르면, 기계학습 모델은 입력 레이어(층), 복수 개의 은닉 레이어 및 출력 레이어를 포함한 인공신경망 모델을 포함할 수 있다. 여기서, 각 레이어는 복수의 노드를 포함할 수 있다.

본 개시에서, '디스플레이'는 컴퓨팅 장치와 연관된 임의의 디스플레이 장치를 지칭할 수 있는데, 예를 들어, 컴퓨팅 장치에 의해 제어되거나 컴퓨팅 장치로부터 제공된 임의의 정보/데이터를 표시할 수 있는 임의의 디스플레이 장치를 지칭할 수 있다.

본 개시에서, '복수의 A의 각각' 또는 '복수의 A 각각'은 복수의 A에 포함된 모든 구성 요소의 각각을 지칭하거나, 복수의 A에 포함된 일부 구성 요소의 각각을 지칭할 수 있다.

본 개시에서, 'A 세트'는 A가 적어도 하나 포함된 집합을 지칭할 수 있다.

도 1은 본 개시의 일 실시예에 따른 이미지 태깅 모델(110)의 성능 스코어를 측정하는 방법의 예시를 나타내는 도면이다. 이미지 태깅 모델(110)은 입력 이미지를 입력받아, 입력 이미지에 대한 출력 값을 출력하도록 구성된 모델일 수 있으며, 입력 이미지에 대한 출력 값은 하나 이상의 라벨과 연관될 수 있다. 여기서, 라벨은 이미지와 관련된 정보를 나타낼 수 있다. 예를 들어, 라벨은 이미지에 포함된 객체에 대한 정보, 이미지에 포함된 배경에 대한 정보, 이미지가 묘사하는 상황에 대한 정보 등 이미지와 관련된 의미 있는 정보를 나타낼 수 있다. 즉, 이미지 태깅 모델(110)은 입력 이미지를 분석하여, 이미지와 관련된 정보를 제공하는 모델일 수 있다.

이미지 태깅 모델(110)의 출력 값은 다양한 형식을 가질 수 있다. 예를 들어, 이미지 태깅 모델(110)은 하나 이상의 라벨 각각에 대한 신뢰도(confidence) 값을 출력 값으로 출력할 수 있다. 다른 예로, 이미지 태깅 모델(110)은 하나 이상의 라벨 각각에 대해, 신뢰도 값이 미리 정해진 임계값(예를 들어, 0.7) 이상인 경우 1, 신뢰도 값이 미리 정해진 임계값 미만일 경우 0을 출력 값으로 출력할 수 있다. 또 다른 예로, 이미지 태깅 모델(110)은 가장 신뢰도 값이 높은 하나의 라벨을 출력 값으로 출력하거나, 신뢰도 값이 미리 정해진 임계값 이상인 하나 이상의 라벨을 출력 값으로 출력할 수 있다. 본 개시에서 이미지 태깅 모델(110)의 '출력 값'은 상술한 바와 같이 다양한 형식의 출력 값을 지칭할 수 있다.

이미지 태깅 모델(110)은 학습 데이터를 이용하여 학습된 기계학습 모델일 수 있다. 일반적으로, 이미지 태깅 모델(110)이 출력하는 출력 값과 연관된 라벨은 이미지 태깅 모델(110)의 학습에 이용된 학습 데이터와 연관된 라벨 세트 중 적어도 하나에 해당한다. 즉, 이미지 태깅 모델(110)은 학습 데이터와 연관된 라벨 세트에 포함된 라벨만을 출력할 수 있다.

일 실시예에 따르면, 정보 처리 시스템은 이미지 태깅 모델(110)의 성능을 평가하기 위해, 검증 데이터 세트를 이용하여 이미지 태깅 모델(110)의 성능 스코어를 측정할 수 있다. 예를 들어, 이미지 태깅 모델(110)에 검증 이미지(112)를 입력하여 출력된 검증 이미지(112)에 대한 출력 값(114)을 검증 이미지와 연관된 정답 값(140)과 비교함으로써 이미지 태깅 모델(110)의 성능 스코어를 측정할 수 있다. 정보 처리 시스템은 다양한 검증 이미지에 대해 이러한 과정을 반복할 수 있다.

도 1에 이미지 태깅 모델(110)의 예시가 도시되어 있다. 도시된 것과 같이, 이미지 태깅 모델(110)은 'Pasta', 'Carnonara', 'Salad' 등의 라벨 각각에 대한 신뢰도 값을 검증 이미지(112)에 대한 출력 값(114)으로 출력할 수 있다. 즉, 도시된 이미지 태깅 모델(110)은 'Pasta', 'Carnonara', 'Salad' 등을 포함하는 라벨 세트를 가지는 학습 데이터를 이용하여 학습된 모델일 수 있다. 한편, 검증 이미지에 대한 정답 값(140)은 도시된 바와 같이 '파스타', '샐러드', '버거' 등의 라벨 각각에 대한 이진 값(0 또는 1)일 수 있다. 이 경우, 출력 값(114)과 연관된 라벨 세트와 정답 값(140)과 연관된 라벨 세트가 상이하여, 출력 값(114)과 정답 값(140)을 직접 비교함으로써 성능 스코어를 측정할 수 없다. 종래 기술에 따르면, 도 1의 예시와 같이 출력 값(114)과 연관된 라벨 세트와 정답 값(140)과 연관된 라벨 세트가 상이한 경우, 이미지 태깅 모델(110)의 성능을 평가하기 위해서, 정답 값(140)과 연관된 학습 데이터를 이용하여 이미지 태깅 모델(110)을 다시 학습시킨 후, 이미지 태깅 모델(110)의 성능을 평가하는 번거로운 절차를 거쳐야 한다.

본 개시의 일 실시예에 따르면, 정보 처리 시스템은 출력 값(114)에 포함된 라벨 세트를 정답 값(140)에 포함된 라벨 세트와 매핑(mapping)함으로써, 출력 값(114)과 연관된 라벨 세트와 정답 값(140)과 연관된 라벨 세트가 상이하더라도, 추가적인 학습 없이 이미지 태깅 모델(110)의 성능을 정량적으로 평가할 수 있다. 이하에서는, 검증 이미지에 대한 정답 값(140)과 연관된 라벨과, 이미지 태깅 모델(110)이 출력하는 출력 값(114)과 연관된 라벨을 구분함으로써 본 발명을 명확하게 설명하기 위해, 검증 이미지에 대한 정답 값(140)과 연관된 라벨을 '클래스' 또는 '검증 클래스'로 지칭하기로 한다.

일 실시예에 따르면, 정보 처리 시스템은 출력 값(114)과 연관된 라벨 세트와 정답 값(140)과 연관된 검증 클래스 세트를 매핑하여, 라벨-검증 클래스 매핑 테이블(120)을 생성할 수 있다. 라벨-검증 클래스 매핑 테이블(120)은 라벨 세트에서 검증 클래스 세트로의 매핑 관계를 정의할 수 있다. 예를 들어, 라벨-검증 클래스 매핑 테이블(120)은 라벨 'Pasta'가 클래스 '파스타'와 매핑되고, 라벨 'Carnonara'가 클래스 '파스타'와 매핑되고, 라벨 'Salad'가 클래스 '샐러드'와 매핑되고, 라벨 'vegetable'이 클래스 '샐러드'와 매핑된다는 정보 등을 포함할 수 있다.

그런 다음, 정보 처리 시스템은 라벨-클래스 매핑 테이블(120)을 이용하여, 검증 이미지에 대한 출력 값(114)에 포함된 각 라벨을 매핑되는 검증 클래스로 변경함으로써, 변환된 출력 값(130)을 생성할 수 있다. 그런 다음, 정보 처리 시스템은 변환된 출력 값(130)과 정답 값(140)을 비교함으로써, 이미지 태깅 모델(110)의 성능 스코어를 정량적으로 측정할 수 있다.

상술한 바와 같이, 정보 처리 시스템은 출력 값(114)과 연관된 라벨 세트를 정답 값(140)과 연관된 검증 클래스 세트와 매핑함으로써, 추가적인 학습 없이 임의의 이미지 태깅 모델의 성능을 평가할 수 있다. 또한, 서로 다른 라벨 세트를 가지는 복수의 이미지 태깅 모델의 성능을 동일한 검증 데이터 세트를 이용하여 동일한 기준에 따라 비교 평가할 수 있다.

상술한 설명에서, 이미지 태깅 모델(110)의 성능을 평가하는 과정은 정보 처리 시스템에 의해 수행되는 것으로 설명하였지만 이에 한정되지 않으며, 사용자 단말 또는 별도의 클라우드 장치 등 다양한 컴퓨팅 장치에 의해 수행될 수 있고, 사용자 단말과 정보 처리 시스템이 분산 처리할 수 있다. 다만, 이하에서는 설명의 편의를 위해, 이미지 태깅 모델(110)의 성능을 평가하는 과정이 정보 처리 시스템에 의해 수행되는 것으로 가정하여 설명한다.

도 2는 본 개시의 일 실시예에 따른 정보 처리 시스템(230)이 복수의 사용자 단말(210_1, 210_2, 210_3)과 통신 가능하도록 연결된 구성을 나타내는 개요도이다. 도시된 바와 같이, 복수의 사용자 단말(210_1, 210_2, 210_3)은 네트워크(220)를 통해 이미지 태깅 모델 성능 평가 서비스를 제공할 수 있는 정보 처리 시스템(230)과 연결될 수 있다. 여기서, 복수의 사용자 단말(210_1, 210_2, 210_3)은 이미지 태깅 모델 성능 평가 서비스를 제공받을 사용자(예를 들어, 이미지 태깅 모델의 개발자 등)의 단말을 포함할 수 있다. 일 실시예에서, 정보 처리 시스템(230)은 이미지 태깅 모델 성능 평가 서비스 등과 관련된 컴퓨터 실행 가능한 프로그램(예를 들어, 다운로드 가능한 애플리케이션) 및 데이터를 저장, 제공 및 실행할 수 있는 하나 이상의 서버 장치 및/또는 데이터베이스, 또는 클라우드 컴퓨팅 서비스 기반의 하나 이상의 분산 컴퓨팅 장치 및/또는 분산 데이터베이스를 포함할 수 있다.

정보 처리 시스템(230)에 의해 제공되는 이미지 태깅 모델 성능 평가 서비스는, 복수의 사용자 단말(210_1, 210_2, 210_3)의 각각에 설치된 모델 성능 평가를 위한 애플리케이션 또는 웹 브라우저 등을 통해 사용자에게 제공될 수 있다. 예를 들어, 정보 처리 시스템(230)은 모델 성능 평가를 위한 애플리케이션 등을 통해 사용자 단말(210_1, 210_2, 210_3)로부터 수신되는 이미지 태깅 모델에 대한 성능 평가 요청에 대응하는 정보를 제공하거나 대응하는 처리를 수행할 수 있다.

복수의 사용자 단말(210_1, 210_2, 210_3)은 네트워크(220)를 통해 정보 처리 시스템(230)과 통신할 수 있다. 네트워크(220)는 복수의 사용자 단말(210_1, 210_2, 210_3)과 정보 처리 시스템(230) 사이의 통신이 가능하도록 구성될 수 있다. 네트워크(220)는 설치 환경에 따라, 예를 들어, 이더넷(Ethernet), 유선 홈 네트워크(Power Line Communication), 전화선 통신 장치 및 RS-serial 통신 등의 유선 네트워크, 이동통신망, WLAN(Wireless LAN), Wi-Fi, Bluetooth 및 ZigBee 등과 같은 무선 네트워크 또는 그 조합으로 구성될 수 있다. 통신 방식은 제한되지 않으며, 네트워크(220)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망, 위성망 등)을 활용하는 통신 방식뿐만 아니라 사용자 단말(210_1, 210_2, 210_3) 사이의 근거리 무선 통신 역시 포함될 수 있다.

도 2에서 휴대폰 단말(210_1), 태블릿 단말(210_2) 및 PC 단말 (210_3)이 사용자 단말의 예로서 도시되었으나, 이에 한정되지 않으며, 사용자 단말(210_1, 210_2, 210_3)은 유선 및/또는 무선 통신이 가능하고 모델 성능 평가를 위한 애플리케이션 또는 웹 브라우저 등이 설치되어 실행될 수 있는 임의의 컴퓨팅 장치일 수 있다. 예를 들어, 사용자 단말은, AI 스피커, 스마트폰, 휴대폰, 내비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC, 게임 콘솔(game console), 웨어러블 디바이스(wearable device), IoT(internet of things) 디바이스, VR(virtual reality) 디바이스, AR(augmented reality) 디바이스, 셋톱 박스 등을 포함할 수 있다. 또한, 도 2에는 3개의 사용자 단말(210_1, 210_2, 210_3)이 네트워크(220)를 통해 정보 처리 시스템(230)과 통신하는 것으로 도시되어 있으나, 이에 한정되지 않으며, 상이한 수의 사용자 단말이 네트워크(220)를 통해 정보 처리 시스템(230)과 통신하도록 구성될 수도 있다.

일 실시예에 따르면, 정보 처리 시스템(230)은 사용자 단말(210_1, 210_2, 210_3)로부터 복수의 이미지 태깅 모델을 수신할 수 있다. 그리고 나서, 정보 처리 시스템(230)은 수신된 복수의 이미지 태깅 모델의 성능 스코어를 측정하여, 사용자 단말(210_1, 210_2, 210_3)에 제공할 수 있다. 여기서, 정보 처리 시스템(230)은 동일한 검증 데이터 세트를 이용하여 제1 이미지 태깅 모델 및 제2 이미지 태깅 모델의 성능 스코어를 측정함으로써, 두 모델의 성능을 객관적으로 비교 평가하기 위한 정보를 제공할 수 있다.

도 3은 본 개시의 일 실시예에 따른 사용자 단말(210) 및 정보 처리 시스템(230)의 내부 구성을 나타내는 블록도이다. 사용자 단말(210)은 모델 성능 평가를 위한 애플리케이션 또는 웹 브라우저 등을 실행 가능하고 유/무선 통신이 가능한 임의의 컴퓨팅 장치를 지칭할 수 있으며, 예를 들어, 도 2의 휴대폰 단말(210_1), 태블릿 단말(210_2), PC 단말(210_3) 등을 포함할 수 있다. 도시된 바와 같이, 사용자 단말(210)은 메모리(312), 프로세서(314), 통신 모듈(316) 및 입출력 인터페이스(318)를 포함할 수 있다. 이와 유사하게, 정보 처리 시스템(230)은 메모리(332), 프로세서(334), 통신 모듈(336) 및 입출력 인터페이스(338)를 포함할 수 있다. 도 3에 도시된 바와 같이, 사용자 단말(210) 및 정보 처리 시스템(230)은 각각의 통신 모듈(316, 336)을 이용하여 네트워크(220)를 통해 정보 및/또는 데이터를 통신할 수 있도록 구성될 수 있다. 또한, 입출력 장치(320)는 입출력 인터페이스(318)를 통해 사용자 단말(210)에 정보 및/또는 데이터를 입력하거나 사용자 단말(210)로부터 생성된 정보 및/또는 데이터를 출력하도록 구성될 수 있다.

메모리(312, 332)는 비-일시적인 임의의 컴퓨터 판독 가능한 기록매체를 포함할 수 있다. 일 실시예에 따르면, 메모리(312, 332)는 RAM(random access memory), ROM(read only memory), 디스크 드라이브, SSD(solid state drive), 플래시 메모리(flash memory) 등과 같은 비소멸성 대용량 저장 장치(permanent mass storage device)를 포함할 수 있다. 다른 예로서, ROM, SSD, 플래시 메모리, 디스크 드라이브 등과 같은 비소멸성 대용량 저장 장치는 메모리와는 구분되는 별도의 영구 저장 장치로서 사용자 단말(210) 또는 정보 처리 시스템(230)에 포함될 수 있다. 또한, 메모리(312, 332)에는 운영체제와 적어도 하나의 프로그램 코드(예를 들어, 사용자 단말(210)에 설치되어 구동되는 모델 성능 평가를 위한 애플리케이션 등을 위한 코드)가 저장될 수 있다.

이러한 소프트웨어 구성요소들은 메모리(312, 332)와는 별도의 컴퓨터에서 판독가능한 기록매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독가능한 기록매체는 이러한 사용자 단말(210) 및 정보 처리 시스템(230)에 직접 연결가능한 기록 매체를 포함할 수 있는데, 예를 들어, 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 예로서, 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 모듈을 통해 메모리(312, 332)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 애플리케이션의 설치 파일을 배포하는 파일 배포 시스템이 네트워크(220)를 통해 제공하는 파일들에 의해 설치되는 컴퓨터 프로그램에 기반하여 메모리(312, 332)에 로딩될 수 있다.

프로세서(314, 334)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(312, 332) 또는 통신 모듈(316, 336)에 의해 프로세서(314, 334)로 제공될 수 있다. 예를 들어, 프로세서(314, 334)는 메모리(312, 332)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.

통신 모듈(316, 336)은 네트워크(220)를 통해 사용자 단말(210)과 정보 처리 시스템(230)이 서로 통신하기 위한 구성 또는 기능을 제공할 수 있으며, 사용자 단말(210) 및/또는 정보 처리 시스템(230)이 다른 사용자 단말 또는 다른 시스템(일례로 별도의 클라우드 시스템 등)과 통신하기 위한 구성 또는 기능을 제공할 수 있다. 일례로, 사용자 단말(210)의 프로세서(314)가 메모리(312) 등과 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청 또는 데이터(예를 들어, 모델 성능 평가 요청 등)는 통신 모듈(316)의 제어에 따라 네트워크(220)를 통해 정보 처리 시스템(230)으로 전달될 수 있다. 역으로, 정보 처리 시스템(230)의 프로세서(334)의 제어에 따라 제공되는 제어 신호나 명령이 통신 모듈(336)과 네트워크(220)를 거쳐 사용자 단말(210)의 통신 모듈(316)을 통해 사용자 단말(210)에 수신될 수 있다. 예를 들어, 사용자 단말(210)은 정보 처리 시스템(230)으로부터 통신 모듈(316)을 통해 모델의 성능을 평가한 성능 스코어 등을 수신할 수 있다.

입출력 인터페이스(318)는 입출력 장치(320)와의 인터페이스를 위한 수단일 수 있다. 일 예로서, 입력 장치는 오디오 센서 및/또는 이미지 센서를 포함한 카메라, 키보드, 마이크로폰, 마우스 등의 장치를, 그리고 출력 장치는 디스플레이, 스피커, 햅틱 피드백 디바이스(haptic feedback device) 등과 같은 장치를 포함할 수 있다. 다른 예로, 입출력 인터페이스(318)는 터치스크린 등과 같이 입력과 출력을 수행하기 위한 구성 또는 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 사용자 단말(210)의 프로세서(314)가 메모리(312)에 로딩된 컴퓨터 프로그램의 명령을 처리함에 있어서 정보 처리 시스템(230)이나 다른 사용자 단말이 제공하는 정보 및/또는 데이터를 이용하여 구성되는 서비스 화면 등이 입출력 인터페이스(318)를 통해 디스플레이에 표시될 수 있다. 도 3에서는 입출력 장치(320)가 사용자 단말(210)에 포함되지 않도록 도시되어 있으나, 이에 한정되지 않으며, 사용자 단말(210)과 하나의 장치로 구성될 수 있다. 또한, 정보 처리 시스템(230)의 입출력 인터페이스(338)는 정보 처리 시스템(230)과 연결되거나 정보 처리 시스템(230)이 포함할 수 있는 입력 또는 출력을 위한 장치(미도시)와의 인터페이스를 위한 수단일 수 있다. 도 3에서는 입출력 인터페이스(318, 338)가 프로세서(314, 334)와 별도로 구성된 요소로서 도시되었으나, 이에 한정되지 않으며, 입출력 인터페이스(318, 338)가 프로세서(314, 334)에 포함되도록 구성될 수 있다.

사용자 단말(210) 및 정보 처리 시스템(230)은 도 3의 구성요소들보다 더 많은 구성요소들을 포함할 수 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 일 실시예에 따르면, 사용자 단말(210)은 상술된 입출력 장치(320) 중 적어도 일부를 포함하도록 구현될 수 있다. 또한, 사용자 단말(210)은 트랜시버(transceiver), GPS(Global Positioning system) 모듈, 카메라, 각종 센서, 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수 있다. 예를 들어, 사용자 단말(210)이 스마트폰인 경우, 일반적으로 스마트폰이 포함하고 있는 구성요소를 포함할 수 있으며, 예를 들어, 가속도 센서, 자이로 센서, 카메라 모듈, 각종 물리적인 버튼, 터치패널을 이용한 버튼, 입출력 포트, 진동을 위한 진동기 등의 다양한 구성요소들이 사용자 단말(210)에 더 포함되도록 구현될 수 있다. 일 실시예에 따르면, 사용자 단말(210)의 프로세서(314)는 모델 성능 평가를 위한 애플리케이션 등이 동작하도록 구성될 수 있다. 이 때, 해당 애플리케이션 및/또는 프로그램과 연관된 코드가 사용자 단말(210)의 메모리(312)에 로딩될 수 있다.

모델 성능 평가를 위한 애플리케이션 등을 위한 프로그램이 동작되는 동안에, 프로세서(314)는 입출력 인터페이스(318)와 연결된 터치 스크린, 키보드, 오디오 센서 및/또는 이미지 센서를 포함한 카메라, 마이크로폰 등의 입력 장치를 통해 입력되거나 선택된 텍스트, 이미지, 영상, 음성 및/또는 동작 등을 수신할 수 있으며, 수신된 텍스트, 이미지, 영상, 음성 및/또는 동작 등을 메모리(312)에 저장하거나 통신 모듈(316) 및 네트워크(220)를 통해 정보 처리 시스템(230)에 제공할 수 있다. 예를 들어, 프로세서(314)는 성능 평가의 대상이 되는 모델 등에 대한 사용자의 선택을 나타내는 입력을 수신하여. 통신 모듈(316) 및 네트워크(220)를 통해 정보 처리 시스템(230)에 제공할 수 있다. 다른 예로, 프로세서(314)는 성능 평가에 이용되는 검증 데이터 세트 등에 대한 사용자의 선택을 나타내는 입력을 수신하여. 통신 모듈(316) 및 네트워크(220)를 통해 정보 처리 시스템(230)에 제공할 수 있다.

사용자 단말(210)의 프로세서(314)는 입력 장치(320), 다른 사용자 단말, 정보 처리 시스템(230) 및/또는 복수의 외부 시스템으로부터 수신된 정보 및/또는 데이터를 관리, 처리 및/또는 저장하도록 구성될 수 있다. 프로세서(314)에 의해 처리된 정보 및/또는 데이터는 통신 모듈(316) 및 네트워크(220)를 통해 정보 처리 시스템(230)에 제공될 수 있다. 사용자 단말(210)의 프로세서(314)는 입출력 인터페이스(318)를 통해 입출력 장치(320)로 정보 및/또는 데이터를 전송하여, 출력할 수 있다. 예를 들면, 프로세서(314)는 수신한 정보 및/또는 데이터를 사용자 단말의 화면에 디스플레이할 수 있다.

정보 처리 시스템(230)의 프로세서(334)는 복수의 사용자 단말(210) 및/또는 복수의 외부 시스템으로부터 수신된 정보 및/또는 데이터를 관리, 처리 및/또는 저장하도록 구성될 수 있다. 프로세서(334)에 의해 처리된 정보 및/또는 데이터는 통신 모듈(336) 및 네트워크(220)를 통해 사용자 단말(210)에 제공할 수 있다. 일 실시예에서, 정보 처리 시스템(230)의 프로세서(334)는 복수의 사용자 단말(210)로부터 수신된 이미지 태깅 모델 성능 평가 요청에 기초하여, 수신된 이미지 태깅 모델의 성능 스코어를 측정하여, 사용자 단말(210)에 제공할 수 있다.

정보 처리 시스템(230)의 프로세서(334)는 사용자 단말(210)의 디스플레이 출력 가능 장치(예: 터치 스크린, 디스플레이 등), 음성 출력 가능 장치(예: 스피커) 등의 출력 장치(320)를 통해 처리된 정보 및/또는 데이터를 출력하도록 구성될 수 있다. 예를 들어, 정보 처리 시스템(230)의 프로세서(334)는, 이미지 태깅 모델의 성능 평가 정보(예를 들어, 성능 스코어)를 통신 모듈(336) 및 네트워크(220)를 통해 사용자 단말(210)로 제공하고, 성능 평가 정보를 사용자 단말(210)의 디스플레이 출력 가능 장치 등을 통해 출력하도록 구성될 수 있다.

도 4는 본 개시의 일 실시예에 따른 검증 데이터 세트(410)의 예시를 나타내는 도면이다. 일 실시예에 따르면, 정보 처리 시스템은 검증 데이터 세트(410)를 수신하고, 검증 데이터 세트(410)를 이용하여 이미지 태깅 모델의 성능을 평가할 수 있다. 검증 데이터 세트(410)는 이미지 태깅 모델의 성능을 평가하기 위한 데이터 세트일 수 있다. 일 실시예에 따르면, 검증 데이터 세트(410)는 복수의 검증 이미지(412) 및 복수의 검증 이미지와 연관된 복수의 정답 값(414)을 포함할 수 있다. 여기서, 정답 값(414)은 검증 클래스 세트(416)와 연관될 수 있으며, 검증 클래스 세트(416)는 하나 이상의 클래스를 포함할 수 있다. 예를 들어, 정답 값(414)은 검증 클래스 세트(416)에 포함된 각 클래스에 대한 이진 값(1 또는 0)을 포함할 수 있다.

도 4에는 검증 데이터 세트(410)의 구체적인 예시가 도시되어 있다. 도시된 바와 같이, 검증 데이터 세트(410)는 6개의 검증 이미지(412)와 각 검증 이미지와 연관된 정답 값(414)을 포함할 수 있다. 도시된 예에서, 검증 이미지와 연관된 정답 값(414)은 3개의 검증 클래스('Dog' 클래스, 'Cat' 클래스, 'Bird' 클래스)를 포함하는 검증 클래스 세트(416)와 연관될 수 있으며, 검증 이미지와 연관된 정답 값(414)은 검증 클래스 세트(416)에 포함된 각 클래스에 대한 이진 값(1 또는 0)을 포함할 수 있다. 도시된 예에서, 각 클래스는 검증 이미지(412)에 포함된 객체에 대한 정보를 나타낼 수 있으며, 1은 Positive/Ture, 0은 Negative/False를 나타낼 수 있다. 예를 들어, 제1 검증 이미지와 연관된 정답 값은 [1 0 0]으로 도시되어 있는데, 이는 제1 검증 이미지에 Dog 객체가 포함되어 있음을 나타낼 수 있으며, 제3 검증 이미지와 연관된 정답 값은 [1 1 0]으로 도시되어 있는데, 이는 제3 검증 이미지에 Dog 객체와 Cat 객체가 포함되어 있음을 나타낼 수 있다.

도 4에는 설명의 편의를 위해 검증 데이터 세트(410)가 6개의 검증 이미지를 포함하고, 3개의 검증 클래스와 연관된 것으로 도시되었으나, 이에 한정되지 않는다. 검증 데이터 세트(410)는 임의의 수의 검증 이미지를 포함하고, 임의의 수의 검증 클래스와 연관될 수 있다.

도 5는 본 개시의 일 실시예에 따른 이미지 태깅 모델(510)의 출력 값(514) 예시를 나타내는 도면이다. 일 실시예에 따르면, 정보 처리 시스템은 이미지 태깅 모델(510)의 성능을 평가하기 위해, 검증 데이터 세트에 포함된 복수의 검증 이미지(512)를 이미지 태깅 모델(510)에 입력하여, 출력 값 세트(516)를 생성할 수 있다. 여기서, 출력 값 세트(516)는 하나 이상의 라벨을 포함하는 라벨 세트(518)와 연관될 수 있다. 예를 들어, 출력 값 세트(516)에 포함된 출력 값 각각은 라벨 세트(518)에 포함된 라벨 각각에 대한 신뢰도 값을 포함할 수 있다. 일 실시예에 따르면, 정보 처리 시스템은 출력 값 세트(516)와 연관된 라벨 세트(518)를 이미지 태깅 모델(510)과 연관된 라벨 세트(518)로 결정할 수 있다.

도 5에는 이미지 태깅 모델(510)에 복수의 검증 이미지(512)를 입력하여 출력된 출력 값 세트(516)의 구체적인 예시가 도시되어 있다. 도시된 예에서, 출력 값 세트(516)는 'Puppy' 라벨, 'Cat' 라벨, 'Pigeon' 라벨을 포함하는 라벨 세트(518)와 연관될 수 있다. 구체적으로, 도시된 예에서, 검증 이미지(512)에 대한 출력 값(514)은 라벨 세트(518)에 포함된 각 라벨에 대한 신뢰도 값을 포함할 수 있다. 도시된 예에서, 정보 처리 시스템은 'Puppy' 라벨, 'Cat' 라벨, 'Pigeon' 라벨을 포함하는 라벨 세트(518)를 이미지 태깅 모델(510)과 연관된 라벨 세트(518)로 결정할 수 있다.

한편, 이미지 태깅 모델(510)의 성능을 평가하기 위해서는 검증 이미지(512)에 대한 출력 값 세트(516)와 정답 값 세트의 비교가 필요한데, 이미지 태깅 모델(510)과 연관된 라벨 세트(518)와 정답 값 세트와 연관된 검증 클래스 세트가 상이한 경우, 출력 값 세트(516)와 정답 값 세트 간의 직접적인 비교가 불가능하다. 예를 들어, 도 5에 도시된 이미지 태깅 모델(510)은 'Puppy' 라벨, 'Cat' 라벨, 'Pigeon' 라벨을 포함하는 라벨 세트(518)와 연관되며, 도 4에 도시된 정답 값 세트는 'Dog' 클래스, 'Cat' 클래스, 'Bird' 클래스를 포함하는 검증 클래스 세트(416)와 연관되어, 상호간 직접적인 비교가 불가능하다. 이에 따라, 본 개시의 일 실시예에 따르면, 정보 처리 시스템은 이미지 태깅 모델(510)과 연관된 라벨 세트(518)에서 검증 클래스 세트로의 매핑 관계를 정의하는 라벨-검증 클래스 매핑 테이블을 생성할 수 있으며, 라벨-검증 클래스 매핑 테이블을 이용하여 이미지 태깅 모델의 출력 값을 검증 클래스 세트와 연관되도록 변환할 수 있다.

도 6은 본 개시의 일 실시예에 따라 검증 클래스에 대한 각 라벨의 성능 스코어를 산출하는 방법의 예시를 나타내는 도면이다. 일 실시예에 따르면, 정보 처리 시스템은 정답 값 세트와 출력 값 세트에 기초하여, 라벨-검증 클래스 매핑 테이블을 생성할 수 있다. 예를 들어, 정보 처리 시스템은 검증 클래스 세트에 포함된 각 검증 클래스에 대한 라벨 세트 각각의 성능 스코어를 산출하고, 각 검증 클래스에 대해 가장 높은 성능 스코어를 가지는 라벨을 해당 검증 클래스와 매핑할 수 있다. 대안적으로, 정보 처리 시스템은 각 검증 클래스에 대해 미리 정해진 임계치 이상의 성능 스코어를 가지는 라벨들을 해당 검증 클래스와 매핑할 수 있다.

각 검증 클래스에 대한 라벨 세트 각각의 성능 스코어를 산출함에 있어서, 다양한 성능 스코어 산출 방법이 이용될 수 있는데, 본 개시에서는 F1 스코어 산출 방법을 설명한다. 이는 본 개시의 명확한 이해를 위해 구체적인 예시를 설명하기 위한 것으로, 본 개시의 범위는 이에 한정되지 않으며, 다양한 성능 스코어 산출 방법이 사용될 수 있다.

우선, F1 스코어를 산출하기 위해서는 정답 값과 출력 값이 모두 0 또는 1의 이진 값을 가져야 한다. 정답 값 및/또는 출력 값이 0 또는 1의 값을 가지지 않는 경우, 정보 처리 시스템은 정답 값 및/또는 출력 값을 0 또는 1의 값으로 변환할 수 있다. 예를 들어, 출력 값이 0 이상 1 이하의 신뢰도 값인 경우, 정보 처리 시스템은 출력 값이 미리 정의된 임계값 이상인 경우 1, 출력 값이 미리 정의된 임계값 미만인 경우 0으로 출력 값을 변환할 수 있다.

그런 다음, 정보 처리 시스템은 도 6에 도시된 평가표(600)에 따라, 출력 값 세트에 포함된 각 출력 값을 평가할 수 있다. 각 출력 값은 정답 값과 출력 값의 조합에 따라, True Positive, False Negative, True Negative, False Positive의 4가지 경우로 분류될 수 있으며, 출력 값 세트에 포함된 True Positive의 수, False Negative의 수, True Negative의 수, False Positive의 수를 각각 로 정의할 수 있다. 그 후, 정보 처리 시스템은 값을 이용하여, 정밀도(Precision) 및 재현율(Recall)을 산출할 수 있다. 예를 들어, 정밀도 및 재현율은 다음과 같은 수학식 1에 의해 산출될 수 있다.

그런 다음, 정보 처리 시스템은 산출된 정밀도 및 재현율을 이용하여, F1 스코어를 산출할 수 있다. F1 스코어는 정밀도와 재현율의 조화평균으로서 산출될 수 있는데, 정밀도와 재현율의 중요도에 따라, 정밀도와 재현율의 가중치가 결정될 수 있다. 예를 들어, 정밀도와 재현율의 가중치가 동일한 F1 스코어는 다음과 같은 수학식 2에 의해 산출될 수 있다.

상술한 F1 스코어 산출 방법을 이용하여, 각 검증 클래스에 대한 라벨 세트 각각의 성능 스코어를 산출하는 과정은 도 7 내지 도 8을 참조하여 상세히 후술된다.

도 7은 본 개시의 일 실시예에 따라 검증 클래스에 대한 각 라벨의 성능 스코어(736, 746, 756)를 산출하는 예시를 나타내는 도면이다. 일 실시예에 따르면, 정보 처리 시스템은 검증 클래스 세트에 포함된 각 검증 클래스에 대한 라벨 세트 각각의 성능 스코어(736, 746, 756)를 산출할 수 있다. 일 실시예에서, 특정 검증 클래스에 대한 특정 라벨의 성능 스코어는, 특정 검증 클래스와 연관된 정답 값을 특정 라벨과 연관된 출력 값이 정확하게 맞추는 정도를 반영할 수 있다. 도 7에는 어느 한 검증 클래스(이하, 대상 검증 클래스, 도 7에서 'Dog' 클래스)에 대해, 라벨 세트에 포함된 3개의 라벨(도 7에서 'Puppy' 라벨, 'Cat' 라벨, 'Pigeon' 라벨) 각각의 성능 스코어(736, 746, 756)를 산출하는 과정이 도시되어 있다.

먼저, 정보 처리 시스템은 도 6에서 상술한 F1 스코어 산출 방법에 따라 각 라벨의 성능 스코어(736, 746, 756)를 산출하기 위해, 출력 값 세트(720)의 출력 값들을 0 또는 1의 값으로 변환할 수 있다. 예를 들어, 정보 처리 시스템은 출력 값이 0.6 이상인 경우 1로, 출력 값이 0.6 미만인 경우 0으로 출력 값을 변환할 수 있다. 도 7에 대한 이하의 설명에서, '출력 값 세트'는 0 또는 1으로 변환된 출력 값 세트(722)를 지칭할 수 있다.

그런 다음, 정보 처리 시스템은 대상 검증 클래스와 연관된 정답 값들(710)과 출력 값 세트(722) 중 각 라벨과 연관된 출력 값들(734, 744, 754)을 비교하여 대상 검증 클래스에 대한 각 라벨의 성능 스코어(736, 746, 756)를 산출할 수 있다. 구체적 예로, 정보 처리 시스템은, 'Dog' 클래스와 연관된 정답 값들(710)을 'Puppy' 라벨과 연관된 출력 값들(734)을 비교하여, 'Dog' 클래스에 대한 'Puppy' 라벨의 성능 스코어(736)를 산출할 수 있다. 또한, 정보 처리 시스템은, 'Dog' 클래스와 연관된 정답 값들(710)을 'Cat' 라벨과 연관된 출력 값들(744)을 비교하여, 'Dog' 클래스에 대한 'Cat' 라벨의 성능 스코어(746)를 산출할 수 있으며, 'Dog' 클래스와 연관된 정답 값들(710)을 'Pigeon' 라벨과 연관된 출력 값들(754)을 비교하여, 'Dog' 클래스에 대한 'Pigeon' 라벨의 성능 스코어(756)를 산출할 수 있다.

일 실시예에 따르면, 정보 처리 시스템은 대상 검증 클래스에 대해 가장 높은 성능 스코어 가지는 라벨을 대상 검증 클래스와 매핑할 수 있다. 예를 들어, 정보 처리 시스템은 'Dog' 클래스에 대해 가장 높은 성능 스코어를 가지는 'Puppy' 라벨을 'Dog' 클래스와 매핑할 수 있다. 다른 실시예에 따르면, 정보 처리 시스템은 대상 검증 클래스에 대해 임계치(예, 0.7) 이상의 성능 스코어를 가지는 라벨들을 대상 검증 클래스와 매핑할 수 있다. 이 경우, 하나의 검증 클래스에 하나 이상의 라벨이 대응될 수 있다. 도 7에서 'Dog' 클래스에 대한 라벨 세트 각각의 성능 스코어(736, 746, 756)를 산출하는 것과 유사하게, 'Cat' 클래스에 대한 라벨 세트 각각의 성능 스코어와 'Bird'에 대한 라벨 세트 각각의 성능 스코어를 산출할 수 있다.

도 8은 본 개시의 일 실시예에 따라 검증 클래스에 대한 각 라벨의 성능 스코어를 산출하여, 검증 클래스와 라벨을 매핑하는 예시를 나타내는 도면이다. 일 실시예에 따르면, 정보 처리 시스템은 이미지 태깅 모델의 성능 스코어를 산출하기 위해, 라벨 세트에서 검증 클래스 세트로의 매핑 관계를 정의하는 라벨-검증 클래스 매핑 테이블(830)을 생성할 수 있다. 예를 들어, 정보 처리 시스템은 각 검증 클래스 세트에 포함된 각 검증 클래스에 대한 라벨 세트 각각의 성능 스코어를 산출하고, 각 검증 클래스에 대해 가장 높은 성능 스코어를 가지는 라벨을 각 검증 클래스와 매핑할 수 있다.

도 8에는 3개의 라벨('Puppy' 라벨, 'Cat' 라벨, 'Pigeon' 라벨)을 포함하는 라벨 세트에서 세 개의 검증 클래스('Dog' 클래스, 'Cat' 클래스, 'Bird' 클래스)를 포함하는 검증 클래스 세트로의 매핑 관계를 정의하는 매핑 테이블(830)을 생성하는 예시가 도시되어 있다. 예를 들어, 정보 처리 시스템은 'Dog' 클래스와 연관된 정답 값들(812)을 'Puppy' 라벨과 연관된 출력 값들(822), 'Cat' 라벨과 연관된 출력 값들(824), 'Pigeon' 라벨과 연관된 출력 값들(826) 각각과 비교하여, 'Dog' 클래스에 대한 'Puppy' 라벨의 성능 스코어, 'Dog' 클래스에 대한 'Cat' 라벨의 성능 스코어, 'Dog' 클래스에 대한 'Pigeon' 라벨의 성능 스코어를 산출할 수 있으며, 이 중 'Dog' 클래스에 대해 가장 좋은 성능 스코어를 가지는 'Puppy' 라벨을 'Dog' 클래스와 매핑할 수 있다.

또한, 정보 처리 시스템은 'Cat' 클래스와 연관된 정답 값들(814)을 'Puppy' 라벨과 연관된 출력 값들(822), 'Cat' 라벨과 연관된 출력 값들(824), 'Pigeon' 라벨과 연관된 출력 값들(826) 각각과 비교하여, 'Cat' 클래스에 대한 'Puppy' 라벨의 성능 스코어, 'Cat' 클래스에 대한 'Cat' 라벨의 성능 스코어, 'Cat' 클래스에 대한 'Pigeon' 라벨의 성능 스코어를 산출할 수 있으며, 이 중 'Cat' 클래스에 대해 가장 좋은 성능 스코어를 가지는 'Cat' 라벨을 'Cat' 클래스와 매핑할 수 있다.

이와 유사하게, 정보 처리 시스템은 'Bird' 클래스와 연관된 정답 값들(816)을 'Puppy' 라벨과 연관된 출력 값들(822), 'Cat' 라벨과 연관된 출력 값들(824), 'Pigeon' 라벨과 연관된 출력 값들(826) 각각과 비교하여, 'Bird' 클래스에 대한 'Puppy' 라벨의 성능 스코어, 'Bird' 클래스에 대한 'Cat' 라벨의 성능 스코어, 'Bird' 클래스에 대한 'Pigeon' 라벨의 성능 스코어를 산출할 수 있으며, 이 중 'Bird' 클래스에 대해 가장 좋은 성능 스코어를 가지는 'Pigeon' 라벨을 'Bird' 클래스와 매핑할 수 있다.

각 검증 클래스에 대한 각 라벨의 성능 스코어를 산출하는 과정은 도 7에서 상술한 과정과 동일하거나 유사하게 수행될 수 있다. 정보 처리 시스템은 상술한 매핑 과정을 거쳐, 이미지 태깅 모델과 연관된 라벨 세트에서 검증 클래스 세트로의 매핑 관계를 정의하는 라벨-검증 클래스 매핑 테이블(830)을 생성할 수 있다. 도 8 및 상술한 설명에서, 각 검증 클래스에 대해 가장 높은 성능 스코어를 가지는 라벨을 각 검증 클래스와 매핑하는 것으로 도시 및 설명하였으나, 이에 한정되지 않으며, 각 검증 클래스에 대해 임계치 이상의 성능 스코어를 가지는 라벨들을 각 검증 클래스와 매핑할 수 있다. 또한, 도 8 및 상술한 설명에서, 라벨 세트에 포함된 라벨의 개수와 검증 클래스 세트에 포함된 검증 클래스의 개수는 동일한 것으로 도시 및 설명하였으나, 이에 한정되지 않으며, 라벨 세트에 포함된 라벨의 개수와 검증 클래스 세트에 포함된 검증 클래스의 개수가 상이하더라도, 상술한 과정과 동일하거나 유사한 과정에 의해 라벨-검증 클래스 매핑 테이블(830)이 생성될 수 있다.

도 9는 본 개시의 일 실시예에 따른 라벨-검증 클래스 매핑 테이블(830)을 이용하여 이미지 태깅 모델의 출력을 변환하는 예시를 나타내는 도면이다. 일 실시예에 따르면, 정보 처리 시스템은 라벨-검증 클래스 매핑 테이블(830)을 이용하여 출력 값 세트(910) 내의 라벨들을 검증 클래스들로 변환할 수 있다. 도 9에는 도 8에서 생성된 라벨-검증 클래스 매핑 테이블(830)을 이용하여, 출력 값 세트(910) 내의 라벨들을 검증 클래스들로 변환하는 예시가 도시되어 있다. 예를 들어, 정보 처리 시스템은 라벨-검증 클래스 매핑 테이블(830)을 이용하여, 복수의 검증 이미지에 대한 출력 값 세트(910) 내의 'Puppy' 라벨, 'Cat' 라벨, 'Pigeon' 라벨을 각각 'Dog' 클래스, 'Cat' 클래스, 'Bird' 클래스로 변환할 수 있다. 이와 같이 변환된 출력 값 세트(920)는 검증 클래스 세트와 연관될 수 있다. 즉, 변환된 출력 값 세트(920)는 각 검증 클래스에 대한 출력 값을 포함할 수 있다.

일 실시예에 따르면, 정보 처리 시스템은 변환된 출력 값 세트(920)를 정답 값 세트(930)와 비교하여, 이미지 태깅 모델의 성능 스코어를 산출할 수 있다. 여기서, 산출되는 이미지 태깅 모델의 성능 스코어는 검증 클래스 관점에서 표준화된 성능 스코어일 수 있다. 도시된 예에서, 이미지 태깅 모델은 'Puppy' 라벨, 'Cat' 라벨, 'Pigeon' 라벨을 포함하는 라벨 세트와 연관되어 있어, 'Dog' 클래스, 'Cat' 클래스, 'Bird' 클래스를 포함하는 검증 클래스 세트와 연관된 정답 값 세트(930)와 직접 비교 평가가 불가능했지만, 라벨-검증 클래스 매핑 테이블(830)을 이용하여 출력 값 세트(910) 내의 라벨들을 검증 클래스들로 변환함으로써, 직접 비교 평가가 가능해지며, 검증 클래스 관점에서 표준화된 성능 스코어가 산출될 수 있다.

도 9 및 상술한 설명에서, 라벨과 검증 클래스가 1:1 대응되는 경우를 예시로 도시 및 설명하였지만, 이에 한정되지 않으며, 특정 라벨에 대해 매핑되는 검증 클래스가 없거나, 하나의 라벨이 두 개 이상의 검증 클래스와 매핑되거나, 하나의 검증 클래스가 두 개 이상의 라벨과 매핑될 수 있다. 예를 들어, 도 9에서 'Bird' 클래스가 'Pigeon' 라벨과 매핑되는 것으로 도시되어 있으나, 'Bird' 클래스가 'Pigeon' 라벨이 아닌 'Puppy' 라벨과 대응되는 경우, 'Pigeon' 라벨과 매핑되는 클래스는 없으며, 'Puppy' 라벨은 'Dog' 클래스 및 'Bird' 클래스와 매핑될 수 있다. 일 실시예에 따르면, 이 경우, 출력 값 세트(910) 중 'Pigeon' 라벨에 대한 출력 값은 이미지 태깅 모델의 성능 스코어 측정에서 제외할 수 있으며, 'Puppy' 라벨에 대한 출력 값을 'Dog' 클래스에 대한 출력 값 및 'Bird' 클래스에 대한 출력 값으로 변환하여, 이미지 태깅 모델의 성능 스코어를 측정할 수 있다.

다른 실시예에 따르면, 상술한 예와 같이 'Pigeon' 라벨과 매핑되는 검증 클래스가 없는 경우, 각 검증 클래스 중 'Pigeon' 라벨의 성능 스코어가 가장 높은 검증 클래스를 'Pigeon' 라벨과 매핑할 수 있다. 만약, 각 검증 클래스에 대한 'Pigeon' 라벨의 성능 스코어 중 'Cat' 클래스에 대한 'Pigeon' 라벨의 성능 스코어가 가장 높은 경우, 'Pigeon' 라벨과 'Cat' 클래스를 매핑할 수 있다. 'Pigeon' 라벨과 'Cat' 클래스를 매핑하는 경우, 'Cat' 클래스는 'Cat' 라벨 및 'Pigeon' 라벨과 매핑될 수 있는데, 이 경우, 출력 값 세트(910) 중 'Cat' 라벨에 대한 출력 값 및 'Pigeon' 라벨에 대한 출력 값을 적절히 취합하여 'Cat' 클래스에 대한 출력 값으로 변환할 수 있다. 구체적 예로, 'Cat' 라벨에 대한 출력 값 및 'Pigeon' 라벨에 대한 출력 값의 가중 평균을 산출하여, 'Cat' 클래스에 대한 출력 값으로 변환할 수 있다.

도 10은 본 개시의 일 실시예에 따라 이미지 태깅 모델(1010, 1020)의 성능을 비교 평가하는 예시를 나타내는 도면이다. 일 실시예에 따르면, 정보 처리 시스템은 제1 이미지 태깅 모델(1010) 및 제2 이미지 태깅 모델(1020)을 수신하고, 동일한 검증 데이터 세트를 이용하여, 제1 이미지 태깅 모델의 성능 스코어(1019) 및 제2 이미지 태깅 모델의 성능 스코어(1029)를 산출할 수 있다.

먼저, 정보 처리 시스템은 제1 이미지 태깅 모델(1010) 및 제2 이미지 태깅 모델(1020) 각각에 검증 데이터 세트에 포함된 복수의 검증 이미지(1012, 1022)를 입력하여, 복수의 검증 이미지에 대한 출력 값 세트(1014, 1024)를 생성할 수 있다. 여기서, 각 이미지 태깅 모델(1010, 1020)에 입력되는 복수의 검증 이미지(1012, 1022)는 서로 동일한 이미지일 수 있다. 그런 다음, 복수의 검증 이미지에 대한 출력 값 세트(1014, 1024)에 기초하여, 제1 이미지 태깅 모델(1010)과 연관된 제1 라벨 세트 및 제2 이미지 태깅 모델(1020)과 연관된 제2 라벨 세트를 결정할 수 있다. 제1 이미지 태깅 모델(1010)과 제2 이미지 태깅 모델(1020)은 상이한 학습 데이터를 이용하여 학습된 모델일 수 있으며, 이에 따라, 제1 이미지 태깅 모델(1010)과 연관된 제1 라벨 세트 및 제2 이미지 태깅 모델(1020)과 연관된 제2 라벨 세트는 서로 상이할 수 있다. 구체적 예로, 도 10에서 제1 이미지 태깅 모델(1010)은 'Puppy' 라벨, 'Cat' 라벨, 'Pigeon' 라벨을 포함하는 제1 라벨 세트와 연관된 학습 데이터를 이용하여 학습되어, 제1 라벨 세트와 연관될 수 있다. 반면, 제2 이미지 태깅 모델(1020)은 'Labrador' 라벨, 'Beagle' 라벨, 'Bulldog' 라벨을 포함하는 제2 라벨 세트와 연관된 학습 데이터를 이용하여 학습되어, 제2 라벨 세트와 연관될 수 있다. 도시된 예에서 제1 라벨 세트와 제2 라벨 세트의 라벨 개수가 동일하나, 이에 한정되지 않으며, 각 라벨 세트에 포함된 라벨 개수는 상이할 수 있다.

그런 다음, 정보 처리 시스템은 검증 데이터 세트에 포함된 복수의 검증 이미지와 연관된 정답 값과 각 이미지 태깅 모델의 출력 값 세트(1014, 1024)에 기초하여, 각 이미지 태깅 모델에 대한 라벨-검증 클래스 매핑 테이블(1016, 1026)을 생성할 수 있다. 또한, 정보 처리 시스템은 각 이미지 태깅 모델에 대한 라벨-검증 클래스 매핑 테이블(1016, 1026)을 이용하여 출력 값 세트(1014, 1024) 내의 라벨들을 검증 클래스들로 변환할 수 있다.

예를 들어, 도 10에서, 제1 이미지 태깅 모델에 대한 라벨-검증 클래스 매핑 테이블(1016)을 이용하여, 제1 이미지 태깅 모델의 출력 값 세트(1014) 내의 'Puppy' 라벨, 'Cat' 라벨, 'Pigeon' 라벨을 각각 'Dog' 클래스, 'Cat' 클래스, 'Bird' 클래스로 변환할 수 있다. 또한, 제2 이미지 태깅 모델에 대한 라벨-검증 클래스 매핑 테이블(1026)을 이용하여, 제2 이미지 태깅 모델의 출력 값 세트(1024) 내의 'Labrador' 라벨을 'Dog' 클래스 및 'Bird' 클래스로 변환할 수 있으며, 'Beagle' 라벨을 'Cat'클래스로 변환할 수 있다. 도시된 예에서, 'Bulldog' 라벨은 매핑되는 검증 클래스가 없으므로, 제2 이미지 태깅 모델의 출력 값 세트(1024) 중 'Bulldog' 라벨에 대한 출력 값들은 제2 이미지 태깅 모델의 성능 스코어(1029) 산출에서 제외될 수 있다. 이와 같이, 출력 값 세트(1014,1024) 내의 라벨들이 검증 클래스들로 변환됨으로써, 변환된 출력 값 세트(1018, 1028)는 검증 클래스 세트 중 적어도 하나와 연관될 수 있다.

그런 다음, 정보 처리 시스템은 검증 데이터 세트에 포함된 복수의 검증 이미지와 연관된 정답 값과 각 이미지 태깅 모델의 변환된 출력 값 세트(1018, 1028)를 비교함으로써, 각 이미지 태깅 모델의 성능 스코어(1019, 1029)를 산출할 수 있다. 산출된 제1 이미지 태깅 모델의 성능 스코어(1019) 및 제2 이미지 태깅 모델의 성능 스코어(1029)는 검증 클래스 관점에서 표준화된 성능 스코어일 수 있다. 정보 처리 시스템은 이에 기초하여, 제1 이미지 태깅 모델(1010)과 제2 이미지 태깅 모델(1020)의 성능 차이를 정량적으로 비교 평가할 수 있다.

도 11은 본 개시의 일 실시예에 따른 이미지 태깅 모델 성능 비교 평가 방법(1100)의 예시를 나타내는 흐름도이다. 일 실시예에 따르면, 방법(1100)은 프로세서(예를 들어, 정보 처리 시스템의 프로세서 또는 사용자 단말의 프로세서)가 복수의 검증 이미지 및 복수의 검증 이미지와 연관된 복수의 정답 값을 포함하는 검증 데이터 세트를 수신함으로써 개시될 수 있다(S1110). 여기서, 각 정답 값은 미리 정의된 검증 클래스 세트 중 적어도 하나와 연관될 수 있다.

또한, 프로세서는 제1 이미지 태깅 모델 및 제2 이미지 태깅 모델을 수신할 수 있다(S1120). 일 실시예에 따르면, 제1 이미지 태깅 모델과 제2 이미지 태깅 모델은 상이한 학습 데이터를 이용하여 학습된 모델일 수 있다. 이에 따라, 제1 이미지 태깅 모델은 제1 라벨 세트와 연관되고, 제2 이미지 태깅 모델은 제1 라벨 세트와 상이한 제2 라벨 세트와 연관될 수 있다. 또한, 일 실시예에서, 제1 이미지 태깅 모델과 연관된 제1 라벨 세트와 제2 이미지 태깅 모델과 연관된 제2 라벨은 서로 상이한 수의 라벨을 포함할 수 있으며, 검증 클래스 세트, 제1 라벨 세트, 제2 라벨 세트는 서로 상이할 수 있다.

그런 다음, 프로세서는 검증 데이터 세트를 이용하여, 제1 이미지 태깅 모델에 대한 제1 성능 스코어를 산출할 수 있다(S1130). 예를 들어, 먼저, 프로세서는 제1 이미지 태깅 모델과 연관된 제1 라벨 세트를 결정할 수 있다. 구체적으로, 프로세서는 제1 이미지 태깅 모델에 복수의 검증 이미지를 입력하여, 출력 값 세트를 생성하고, 출력 값 세트에 기초하여, 제1 이미지 태깅 모델과 연관된 제1 라벨 세트를 결정할 수 있다.

그런 다음, 프로세서는 제1 라벨 세트에서 검증 데이터 세트로의 매핑 관계를 정의하는 라벨-검증 클래스 매핑 테이블을 생성할 수 있다. 일 실시예에 따르면, 프로세서는 라벨-검증 클래스 매핑 테이블을 생성하기 위해, 각 검증 클래스에 대한 라벨 세트 각각의 성능 스코어를 산출하고, 각 검증 클래스에 대해 가장 높은 성능 스코어를 가지는 라벨을 제1 검증 클래스와 매핑하거나 또는 제1 검증 클래스에 대해 임계치 이상의 성능 스코어를 가지는 라벨들을 제1 검증 클래스와 매핑할 수 있다. 예를 들어, 프로세서는 제1 검증 클래스와 연관된 정답 값들과 출력 값 세트 중 제1 라벨과 연관된 출력 값들을 비교하여 제1 검증 클래스에 대한 제1 라벨의 성능 스코어를 산출할 수 있으며, 이와 같은 과정을 각 라벨에 대해 수행하여, 제1 검증 클래스에 대해 가장 높은 성능 스코어를 가지는 라벨 또는 임계치 이상의 성능 스코어를 가지는 라벨들을 제1 검증 클래스와 매핑할 수 있다. 또한, 제1 검증 클래스에 대한 상술한 과정을 검증 클래스 세트에 포함된 각 검증 클래스에 대해 수행하여, 제1 라벨 세트에서 검증 데이터 세트로의 매핑 관계를 정의하는 라벨-검증 클래스 매핑 테이블을 생성할 수 있다.

그런 다음, 프로세서는 생성된 라벨-검증 클래스 매핑 테이블을 이용하여 제1 이미지 태깅 모델의 출력을 변환할 수 있다. 예를 들어, 프로세서는 출력 값 세트 내의 라벨들을 라벨-검증 클래스 매핑 테이블을 이용하여 검증 클래스들로 변환할 수 있다. 일 실시예에서, 제1 라벨 세트 중 검증 클래스와 매핑되지 않은 라벨이 있는 경우, 해당 라벨을 제1 성능 스코어 산출시 제외하거나, 해당 라벨이 가장 높은 성능 스코어를 가지는 특정 검증 클래스와 매핑할 수 있다. 프로세서는 변환된 출력 값 세트 및 복수의 정답 값에 기초하여, 검증 클래스 관점에서 표준화된 제1 성능 스코어를 산출할 수 있다.

또한, 프로세서는 검증 데이터 세트를 이용하여, 제2 이미지 태깅 모델에 대한 제2 성능 스코어를 산출할 수 있다(S1140). 프로세서가 제2 이미지 태깅 모델에 대한 제2 성능 스코어를 산출하는 과정은 상술한 제1 이미지 태깅 모델에 대한 제1 성능 스코어를 산출하는 과정과 동일하거나 유사하게 수행될 수 있다.

단계 S1130 및 단계 S1140에서 산출된 제1 성능 스코어 및 제2 성능 스코어는 검증 클래스 관점에서 표준화된 스코어일 수 있으며, 프로세서는 이를 기초로 제1 이미지 태깅 모델과 제2 이미지 태깅 모델의 성능 차이를 정량적으로 비교 평가할 수 있다.

상술한 방법은 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램으로 제공될 수 있다. 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일수도 있다. 또한, 매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록 수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 애플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다.

본 개시의 방법, 동작 또는 기법들은 다양한 수단에 의해 구현될 수도 있다. 예를 들어, 이러한 기법들은 하드웨어, 펌웨어, 소프트웨어, 또는 이들의 조합으로 구현될 수도 있다. 본원의 개시와 연계하여 설명된 다양한 예시적인 논리적 블록들, 모듈들, 회로들, 및 알고리즘 단계들은 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양자의 조합들로 구현될 수도 있음을 통상의 기술자들은 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 대체를 명확하게 설명하기 위해, 다양한 예시적인 구성요소들, 블록들, 모듈들, 회로들, 및 단계들이 그들의 기능적 관점에서 일반적으로 위에서 설명되었다. 그러한 기능이 하드웨어로서 구현되는지 또는 소프트웨어로서 구현되는 지의 여부는, 특정 애플리케이션 및 전체 시스템에 부과되는 설계 요구사항들에 따라 달라진다. 통상의 기술자들은 각각의 특정 애플리케이션을 위해 다양한 방식들로 설명된 기능을 구현할 수도 있으나, 그러한 구현들은 본 개시의 범위로부터 벗어나게 하는 것으로 해석되어서는 안된다.

하드웨어 구현에서, 기법들을 수행하는 데 이용되는 프로세싱 유닛들은, 하나 이상의 ASIC들, DSP들, 디지털 신호 프로세싱 디바이스들(digital signal processing devices; DSPD들), 프로그램가능 논리 디바이스들(programmable logic devices; PLD들), 필드 프로그램가능 게이트 어레이들(field programmable gate arrays; FPGA들), 프로세서들, 제어기들, 마이크로제어기들, 마이크로프로세서들, 전자 디바이스들, 본 개시에 설명된 기능들을 수행하도록 설계된 다른 전자 유닛들, 컴퓨터, 또는 이들의 조합 내에서 구현될 수도 있다.

따라서, 본 개시와 연계하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 및 회로들은 범용 프로세서, DSP, ASIC, FPGA나 다른 프로그램 가능 논리 디바이스, 이산 게이트나 트랜지스터 로직, 이산 하드웨어 컴포넌트들, 또는 본원에 설명된 기능들을 수행하도록 설계된 것들의 임의의 조합으로 구현되거나 수행될 수도 있다. 범용 프로세서는 마이크로프로세서일 수도 있지만, 대안으로, 프로세서는 임의의 종래의 프로세서, 제어기, 마이크로제어기, 또는 상태 머신일 수도 있다. 프로세서는 또한, 컴퓨팅 디바이스들의 조합, 예를 들면, DSP와 마이크로프로세서, 복수의 마이크로프로세서들, DSP 코어와 연계한 하나 이상의 마이크로프로세서들, 또는 임의의 다른 구성의 조합으로서 구현될 수도 있다.

펌웨어 및/또는 소프트웨어 구현에 있어서, 기법들은 랜덤 액세스 메모리(random access memory; RAM), 판독 전용 메모리(read-only memory; ROM), 비휘발성 RAM(non-volatile random access memory; NVRAM), PROM(programmable read-only memory), EPROM(erasable programmable read-only memory), EEPROM(electrically erasable PROM), 플래시 메모리, 컴팩트 디스크(compact disc; CD), 자기 또는 광학 데이터 스토리지 디바이스 등과 같은 컴퓨터 판독가능 매체 상에 저장된 명령들로서 구현될 수도 있다. 명령들은 하나 이상의 프로세서들에 의해 실행 가능할 수도 있고, 프로세서(들)로 하여금 본 개시에 설명된 기능의 특정 양태들을 수행하게 할 수도 있다.

소프트웨어로 구현되는 경우, 상기 기법들은 하나 이상의 명령들 또는 코드로서 컴퓨터 판독 가능한 매체 상에 저장되거나 또는 컴퓨터 판독 가능한 매체를 통해 전송될 수도 있다. 컴퓨터 판독가능 매체들은 한 장소에서 다른 장소로 컴퓨터 프로그램의 전송을 용이하게 하는 임의의 매체를 포함하여 컴퓨터 저장 매체들 및 통신 매체들 양자를 포함한다. 저장 매체들은 컴퓨터에 의해 액세스될 수 있는 임의의 이용 가능한 매체들일 수도 있다. 비제한적인 예로서, 이러한 컴퓨터 판독가능 매체는 RAM, ROM, EEPROM, CD-ROM 또는 다른 광학 디스크 스토리지, 자기 디스크 스토리지 또는 다른 자기 스토리지 디바이스들, 또는 소망의 프로그램 코드를 명령들 또는 데이터 구조들의 형태로 이송 또는 저장하기 위해 사용될 수 있으며 컴퓨터에 의해 액세스될 수 있는 임의의 다른 매체를 포함할 수 있다. 또한, 임의의 접속이 컴퓨터 판독가능 매체로 적절히 칭해진다.

예를 들어, 소프트웨어가 동축 케이블, 광섬유 케이블, 연선, 디지털 가입자 회선 (DSL), 또는 적외선, 무선, 및 마이크로파와 같은 무선 기술들을 사용하여 웹사이트, 서버, 또는 다른 원격 소스로부터 전송되면, 동축 케이블, 광섬유 케이블, 연선, 디지털 가입자 회선, 또는 적외선, 무선, 및 마이크로파와 같은 무선 기술들은 매체의 정의 내에 포함된다. 본원에서 사용된 디스크(disk) 와 디스크(disc)는, CD, 레이저 디스크, 광 디스크, DVD(digital versatile disc), 플로피디스크, 및 블루레이 디스크를 포함하며, 여기서 디스크들(disks)은 보통 자기적으로 데이터를 재생하고, 반면 디스크들(discs) 은 레이저를 이용하여 광학적으로 데이터를 재생한다. 위의 조합들도 컴퓨터 판독가능 매체들의 범위 내에 포함되어야 한다.

소프트웨어 모듈은, RAM 메모리, 플래시 메모리, ROM 메모리, EPROM 메모리, EEPROM 메모리, 레지스터들, 하드 디스크, 이동식 디스크, CD-ROM, 또는 공지된 임의의 다른 형태의 저장 매체 내에 상주할 수도 있다. 예시적인 저장 매체는, 프로세가 저장 매체로부터 정보를 판독하거나 저장 매체에 정보를 기록할 수 있도록, 프로세서에 연결될 수 있다. 대안으로, 저장 매체는 프로세서에 통합될 수도 있다. 프로세서와 저장 매체는 ASIC 내에 존재할 수도 있다. ASIC은 유저 단말 내에 존재할 수도 있다. 대안으로, 프로세서와 저장 매체는 유저 단말에서 개별 구성요소들로서 존재할 수도 있다.

이상 설명된 실시예들이 하나 이상의 독립형 컴퓨터 시스템에서 현재 개시된 주제의 양태들을 활용하는 것으로 기술되었으나, 본 개시는 이에 한정되지 않고, 네트워크나 분산 컴퓨팅 환경과 같은 임의의 컴퓨팅 환경과 연계하여 구현될 수도 있다. 또 나아가, 본 개시에서 주제의 양상들은 복수의 프로세싱 칩들이나 장치들에서 구현될 수도 있고, 스토리지는 복수의 장치들에 걸쳐 유사하게 영향을 받게 될 수도 있다. 이러한 장치들은 PC들, 네트워크 서버들, 및 휴대용 장치들을 포함할 수도 있다.

본 명세서에서는 본 개시가 일부 실시예들과 관련하여 설명되었지만, 본 개시의 발명이 속하는 기술분야의 통상의 기술자가 이해할 수 있는 본 개시의 범위를 벗어나지 않는 범위에서 다양한 변형 및 변경이 이루어질 수 있다. 또한, 그러한 변형 및 변경은 본 명세서에 첨부된 특허청구의 범위 내에 속하는 것으로 생각되어야 한다.

110: 이미지 태깅 모델
112: 검증 이미지
114: 검증 이미지에 대한 출력 값
120: 라벨-클래스 매핑 테이블
130: 변환된 출력 값
140: 검증 이미지에 대한 정답 값

Claims (20)

1. 적어도 하나의 프로세서에 의해 수행되는, 이미지 태깅 모델 성능 비교 평가 방법에 있어서,
   복수의 검증 이미지 및 상기 복수의 검증 이미지와 연관된 복수의 정답 값을 포함하는 검증 데이터 세트를 수신하는 단계;
   제1 이미지 태깅 모델 및 제2 이미지 태깅 모델을 수신하는 단계;
   상기 검증 데이터 세트를 이용하여, 상기 제1 이미지 태깅 모델에 대한 제1 성능 스코어를 산출하는 단계; 및
   상기 검증 데이터 세트를 이용하여, 상기 제2 이미지 태깅 모델에 대한 제2 성능 스코어를 산출하는 단계
   를 포함하고,
   각 정답 값은 검증 클래스 세트 중 적어도 하나와 연관된, 이미지 태깅 모델 성능 비교 평가 방법.
   
2. 제1항에 있어서,
   상기 제1 성능 스코어 및 상기 제2 성능 스코어는 검증 클래스 관점에서 표준화된 스코어인, 이미지 태깅 모델 성능 비교 평가 방법.
   
3. 제1항에 있어서,
   상기 제1 성능 스코어를 산출하는 단계는,
   상기 제1 이미지 태깅 모델에 상기 복수의 검증 이미지를 입력하여, 출력 값 세트를 생성하는 단계; 및
   상기 출력 값 세트에 기초하여, 상기 제1 이미지 태깅 모델과 연관된 제1 라벨 세트를 결정하는 단계
   를 포함하는, 이미지 태깅 모델 성능 비교 평가 방법.
   
4. 제3항에 있어서,
   상기 제1 성능 스코어를 산출하는 단계는,
   상기 복수의 정답 값과 상기 출력 값 세트에 기초하여, 라벨-검증 클래스 매핑 테이블을 생성하는 단계; 및
   상기 출력 값 세트 내의 라벨들을 상기 라벨-검증 클래스 매핑 테이블을 이용하여 검증 클래스들로 변환하는 단계
   를 더 포함하는, 이미지 태깅 모델 성능 비교 평가 방법.
   
5. 제4항에 있어서,
   상기 라벨-검증 클래스 매핑 테이블은 상기 제1 라벨 세트에서 상기 검증 클래스 세트로의 매핑 관계를 정의하는, 이미지 태깅 모델 성능 비교 평가 방법.
   
6. 제4항에 있어서,
   상기 제1 성능 스코어를 산출하는 단계는,
   상기 변환된 출력 값 세트 및 상기 복수의 정답 값에 기초하여, 검증 클래스 관점에서 표준화된 상기 제1 성능 스코어를 산출하는 단계
   를 더 포함하는, 이미지 태깅 모델 성능 비교 평가 방법.
   
7. 제4항에 있어서,
   상기 라벨-검증 클래스 매핑 테이블을 생성하는 단계는,
   제1 검증 클래스에 대한 상기 제1 라벨 세트 각각의 성능 스코어를 산출하는 단계;
   상기 제1 검증 클래스에 대해 가장 높은 성능 스코어를 가지는 제1 라벨을 상기 제1 검증 클래스와 매핑하는 단계;
   제2 검증 클래스에 대한 상기 제1 라벨 세트 각각의 성능 스코어를 산출하는 단계; 및
   상기 제2 검증 클래스에 대해 가장 높은 성능 스코어를 가지는 제2 라벨을 상기 제2 검증 클래스와 매핑하는 단계
   를 포함하는, 이미지 태깅 모델 성능 비교 평가 방법.
   
8. 제7항에 있어서,
   제1 검증 클래스에 대한 상기 제1 라벨 세트 각각의 성능 스코어를 산출하는 단계는,
   상기 제1 검증 클래스와 연관된 정답 값들과 상기 출력 값 세트 중 제1 라벨과 연관된 출력 값들을 비교하여 상기 제1 검증 클래스에 대한 제1 라벨의 성능 스코어를 산출하는 단계
   를 포함하는, 이미지 태깅 모델 성능 비교 평가 방법.
   
9. 제4항에 있어서,
   상기 라벨-검증 클래스 매핑 테이블을 생성하는 단계는,
   제1 검증 클래스에 대한 상기 제1 라벨 세트 각각의 성능 스코어를 산출하는 단계;
   상기 제1 검증 클래스에 대해 임계치 이상의 성능 스코어를 가지는 라벨들을 상기 제1 검증 클래스와 매핑하는 단계;
   제2 검증 클래스에 대한 상기 제1 라벨 세트 각각의 성능 스코어를 산출하는 단계; 및
   상기 제2 검증 클래스에 대해 임계치 이상의 성능 스코어를 가지는 라벨들을 상기 제2 검증 클래스와 매핑하는 단계
   를 포함하는, 이미지 태깅 모델 성능 비교 평가 방법.
   
10. 제4항에 있어서,
    상기 제1 라벨 세트 중 검증 클래스와 매핑되지 않은 라벨이 있는 경우, 해당 라벨을 상기 제1 성능 스코어 산출시 제외하는, 이미지 태깅 모델 성능 비교 평가 방법.
    
11. 제4항에 있어서,
    상기 제1 라벨 세트 중 검증 클래스와 매핑되지 않은 라벨이 있는 경우, 해당 라벨이 가장 높은 성능 스코어를 가지는 특정 검증 클래스와 매핑하는, 이미지 태깅 모델 성능 비교 평가 방법.
    
12. 제1항에 있어서,
    검증 클래스 관점에서 표준화된 성능 스코어인 상기 제1 성능 스코어 및 상기 제2 성능 스코어에 기초하여, 상기 제1 이미지 태깅 모델과 상기 제2 이미지 태깅 모델의 성능 차이를 정량적으로 평가하는, 이미지 태깅 모델 성능 비교 평가 방법.
    
13. 제1항에 있어서,
    상기 제1 이미지 태깅 모델과 상기 제2 이미지 태깅 모델은 서로 상이한 학습 데이터를 이용하여 학습된, 이미지 태깅 모델 성능 비교 평가 방법.
    
14. 제1항에 있어서,
    상기 제1 이미지 태깅 모델은 제1 라벨 세트와 연관되고,
    상기 제2 이미지 태깅 모델은 제2 라벨 세트와 연관되고,
    상기 검증 클래스 세트, 상기 제1 라벨 세트, 그리고 상기 제2 라벨 세트는 서로 상이한, 이미지 태깅 모델 성능 비교 평가 방법.
    
15. 제14항에 있어서,
    상기 제1 라벨 세트와 상기 제2 라벨은 서로 상이한 수의 라벨을 포함하는, 이미지 태깅 모델 성능 비교 평가 방법.
    
16. 제1항에 있어서,
    상기 제1 성능 스코어를 산출하는 단계는,
    상기 제1 이미지 태깅 모델과 연관된 제1 라벨 세트를 결정하는 단계;
    상기 제1 라벨 세트에서 상기 검증 데이터 세트로의 매핑 관계를 정의하는 라벨-검증 클래스 매핑 테이블을 생성하는 단계;
    상기 라벨-검증 클래스 매핑 테이블을 이용하여 상기 제1 이미지 태깅 모델의 출력을 변환하는 단계
    를 포함하는, 이미지 태깅 모델 성능 비교 평가 방법.
    
17. 제16항에 있어서,
    상기 제1 성능 스코어 및 상기 제2 성능 스코어는 검증 클래스 관점에서 표준화된 스코어인, 이미지 태깅 모델 성능 비교 평가 방법.
    
18. 제16항에 있어서,
    상기 제2 이미지 태깅 모델은 제2 라벨 세트와 연관되고,
    상기 검증 클래스 세트, 상기 제1 라벨 세트, 그리고 상기 제2 라벨 세트는 서로 상이한, 이미지 태깅 모델 성능 비교 평가 방법.
    
19. 제1항 내지 제18항 중 어느 한 항에 따른 방법을 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램.
    
20. 정보 처리 시스템으로서,
    메모리; 및
    상기 메모리와 연결되고, 상기 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 적어도 하나의 프로세서
    를 포함하고,
    상기 적어도 하나의 프로그램은,
    복수의 검증 이미지 및 상기 복수의 검증 이미지와 연관된 복수의 정답 값을 포함하는 검증 데이터 세트를 수신하고,
    제1 이미지 태깅 모델 및 제2 이미지 태깅 모델을 수신하고,
    상기 검증 데이터 세트를 이용하여, 상기 제1 이미지 태깅 모델에 대한 제1 성능 스코어를 산출하고,
    상기 검증 데이터 세트를 이용하여, 상기 제2 이미지 태깅 모델에 대한 제2 성능 스코어를 산출하기 위한 명령어들을 포함하고,
    각 정답 값은 검증 클래스 세트 중 적어도 하나와 연관된, 정보 처리 시스템.
    

Images