Temporal DeepEMD : Few-shot Classficiation in Time Series Domain

초록

딥러닝 기반의 이미지 분류는 대량의 레이블 데이터의 학습으로 많은 도메인에서 최신 성능을 달성해 왔다. 하지만 대량의 레이블을 생성하는 작업은 많은 비용적, 시간적 비용이 소요된다. 게다가 의료 분야와 같이 법적 규제들로 인해 데이터 취득 자체가 어려운 경우가 있어 최근에는 작은 데이터셋 혹은 레이블이 없는 데이터로도 빠르게 최적화하여 최신 성능을 내고자 하는 Few-shot Learning이 주목받고 있다. 본 논문은 Few shot 이미지 분류 모델 DeepEMD[1]와 시계열 데이터를 이미지로 변환하는 Recurrence Plot[3] 기법을 결합한 Few-shot 시계열 분류 모델 Temporal DeepEMD를 제안한다. 실험에서는 UCR Time Series Archive[4]에서 취득한 여러 시계열 분류 데이터를 사용하였으며, 대부분의 데이터셋에서 기존의 최신 시계열 분류 모델보다 좋은 정확도를 보였다.