본 논문은 의약 식물의 계층적 분류를 위한 새로운 접근 방식을 제안합니다. 기존 방법들이 계층적 분류와 미지 종 식별에 어려움을 겪는다는 점을 인지하고, 미지 종을 최적의 계층적 레이블에 할당하는 문제를 해결합니다. DenseNet121, 다중 스케일 자기 주의(MSSA), 그리고 계단식 분류기를 통합하여 계통(phylum)부터 종(species)까지 다중 분류 수준에서 의약 식물을 체계적으로 분류하는 방법을 제시합니다. MSSA를 통해 이미지의 지역적 및 전역적 정보를 모두 포착하여 유사 종 간의 구분 및 새로운 종의 식별을 향상시키고, 다중 스케일에서 중요한 특징에 집중합니다. 알려진 종과 미지 종 모두에 대한 우수한 성능을 보이며, 배경 아티팩트 유무에 관계없이 두 개의 최신 데이터셋에서 모델을 테스트했습니다. 미지 종에 대한 평균 정확도는 계통(phylum) 83.36%, 강(class) 78.30%, 목(order) 60.34%, 과(family) 43.32%를 달성했으며, 기존 최첨단 방법보다 모델 크기가 4배 작아 실제 응용 분야에 배포하기 용이합니다.
