Invariance(불변성) VS Discriminability(변별성)

오늘은 서로 상충되는 개념인 불변성과 변별성의 관계에 대해 알아보도록 하겠습니다.

해당 내용은 과거부터 연구되어온 영상처리 분야에 더 가깝다고 볼수가 있는데요!  이미지 분석을 위해 이 두가지 속성은 서로 양립할 수 없는 그러한 관계입니다.

 

1. Invariance(불변성)

1.1 정의:

이미지나 비디오 데이터에 특정 변환이 가해져도 특징이 유지되는 성질

 

1.2 불변성의 네가지 종류:

- 평행 이동 불변성: 이미지가 이동하더라도 특징이 동일하게 인식되는 성질.

- 회전 불변성: 이미지가 회전하더라도 특징이 동일하게 인식되는 성질

- 크기 불변성: 이미지가 확대 또는 축소되더라도 특징이 동일하게 인식되는 성질

- 조명 불변성: 조명 조건이 변하더라도 특징이 동일하게 인식되는 성질

 

1.3 예시:

- 얼굴 인식 시스템에서, 얼굴의 위치, 크기, 각도가 달라져도 동일한 사람으로 인식하는 것이 중요하다.

- 물체 인식 시스템에서, 물체의 크기, 회전, 조명 변화에도 불구하고 동일한 물체로 인식해야 한다.

 

2. Discriminability(변별성)

2.1 정의:

서로 다른 객체나 클래스를 구별할 수 있는 능력

 

2.2 목적:

다양한 객체를 정확하게 분류하고 인식하기 위함.

배경이나 노이즈로부터 객체를 안정적으로 정확하게 분리해내기 위함.

 

2.3 예시:

고양이나 강아지를 정확하게 구별하는 것

숫자 0과 8을 정확하게 구별하는 것

 

 

3. 불변성과 변별성의 관계

3.1 상호보완적인 관계:

- 불변성이 너무 강하면 서로 다른 객체를 구별하기 어려워져 변별성이 떨어지는 이슈가 발생한다.

- 변별성만 추구하면 특정 변환에 취약해져 불변성이 떨어지는 이슈가 발생한다.

 

3.2 균형의 중요성:

따라서 이 둘사이의 trade-off로서 균형을 찾는 것이 중요하다

예를 들어, 얼굴 인식에서는 다양한 조명 조건과 표정 변화에 대한 불변성이 필요하지만, 동일한 사람의 다른 사진을 구별하기 위한 충분한 변별성도 필요하다.