Temporal Iterative EPNet : 퓨샷 러닝을 이용한 시계열 분류 모델

초록

딥러닝의 발전은 대량의 레이블 데이터 기반 지도 학습으로 발전해 왔다 . 하지만 이러한 데이터셋을 생성하는 작업은 많은 비용이 요구되며 의료 도메인처럼 법적 규제로 인하여 데이터 취득조차 어려운 경우가 있다 . 이에 적은 학습 데이터 만으로 별도의 증강 없이도 최신 성능을 내는 Few shot Learning이 영상 분류 수행에 활발히 이용 되고 있다 . 본 논문은 시계열 데이터를 이미지로 변환하는 4 가지 기법과 Few shot 이미지 분류 모델 EPNet [ 그리고 본 논문에서 제시하는 Iterative Label Propagation 을 결합한 Temporal Iterative EPNet 을 제안한다 . 실험에서는 UCR Time Series Archive 에서 취득한 시계열 분류 데이터 셋 들 을 사용하며 , 대부분의 데이터셋에서 기존 최신 시계열 분류 모델보다 높은 정확도를 보인다