대역폭 제약 하의 강건한 이미지 분류

기간: 2025.05.12 – 2025.06.15

개요

4클래스 동물 이미지(Cat, Dog, Tiger, Zebra)를 ResNet-18로 분류한다. 전송량을 줄인 입력 표현(01–05)과 s&p 노이즈(픽셀 반전)를 섞은 64×64 이진 입력의 복원 방법(06–09)에 따라 정확도를 비교한다. 분류 실험(01–09)은 시드 5개(0–4)로 반복했다. 설정·정의와 전체 결과는 docs/experiment-log.md(이하 로그)에 있다.

윗줄: 01–05의 입력. 아랫줄: 노이즈 전 이진 입력과 06–09의 입력(노이즈 비율 0.1).

실험	입력	노이즈 뒤 복원
01	RGB 256×256, 3채널	–
02	고정 임계값 이진 64×64, 1채널	–
03	에지 맵 이진 64×64, 1채널	–
04	blur + 에지 이진 45×45, 2채널	–
05	Haar 부대역 이진 32×32, 4채널	–
06	고정 임계값 이진 64×64 + 노이즈	없음
07	고정 임계값 이진 64×64 + 노이즈	majority 필터
08	에지 맵 이진 64×64 + 노이즈	픽셀 규칙 (ours)
09	고정 임계값 이진 64×64 + 노이즈	MRF (Ising, ICM)

결과

정확도는 50에폭 체크포인트를 Test 600장(클래스당 150장)으로 채점한 값이고, 시드 5개의 평균 ± 표준편차다.

입력 표현 (01–05, 노이즈 없음)

실험 정확도 01 RGB 0.8523 ± 0.0070 02 이진 0.6190 ± 0.0272 03 에지 0.7097 ± 0.0123 04 blur+에지 0.7233 ± 0.0071 05 Haar 0.5967 ± 0.0112

노이즈 강건성 (06–09)

학습 때는 이미지마다 노이즈 비율을 {0.05, 0.1, 0.25, 0.5}에서 무작위로 고른다.

s&p 비율	06 복원 없음	07 majority	08 픽셀 규칙 (ours)	09 MRF
0.05	0.5647 ± 0.0134	0.5513 ± 0.0092	0.7203 ± 0.0146	0.5533 ± 0.0130
0.1	0.5613 ± 0.0109	0.5553 ± 0.0143	0.7070 ± 0.0076	0.5540 ± 0.0056
0.25	0.5273 ± 0.0244	0.5353 ± 0.0123	0.6453 ± 0.0140	0.5353 ± 0.0151
0.5	0.2507 ± 0.0087	0.2510 ± 0.0080	0.2480 ± 0.0065	0.2433 ± 0.0064

• 08은 복원 방법뿐 아니라 이진화도 에지 맵(03과 같음)을 쓴다.
• 비율 0.5에서는 네 방법 모두 0.2433–0.2510이다. 한 클래스만 고르면 0.25다.

기타

• 학습된 체크포인트(각 실험의 시드 0, 50에폭)는 Releases에 있다.
• 픽셀 복원 오류율과 루프·벡터 연산 시간 비교는 로그에 있다.