EEG 기반 감정 분류에서 MSP를 사용한 OOD 검출 적용

초록

EEG 기반 감정 분류는 딥러닝 모델의 다양한 연구로 분류 정확도가 크게 향상되었지만, 여전히 뇌파 신호 및 감정 메커니즘의 복잡성, 개인 내 및 개인 간의 가변성으로 인해 성능 향상에 한계를 지니고 있다. 본 연구에서는 이러한 한계를 극복하기 위해 특징 추출과 모델 구축이 아닌 개인 간 가변성에 집중한다. 제안하는 프레임워크는 딥러닝의 최대 Softmax 값인 MSP(Maximum Softmax Probability)를 모델의 확신 정도(confidence score)로 활용하여 이상(abnormal) 감정 데이터-라벨(label)쌍들을 검출하고 제거하는 과정을 수행한다. 세 가지 공개 데이터셋에서의 실험 결과는 감정 분류 정확도를 최대 4% 향상시킬 수 있음을 보이며 제안한 방법의 우수성을 입증한다.

키워드