본 논문은 이미지 분류 작업에서 신경망의 성능 향상에 기여하는 데이터 증강 기법의 효과를 정량적으로 분석하는 방법론과 지표를 제시합니다. 기존 연구들이 데이터 증강의 효과에 대한 분석이 부족하다는 점을 지적하며, 합성곱 신경망을 이용한 이미지 분류 작업에서 클래스 활성화 맵(Class Activation Maps)을 활용하여 데이터 증강 전략에 따른 모델 학습 패턴의 차이를 정량적으로 비교 분석하는 방법을 제안합니다. 클래스 활성화 맵을 통해 각 픽셀의 중요도를 분석하고, 이를 바탕으로 서로 다른 데이터 증강 전략으로 학습된 모델 간의 맵 유사성 및 차이를 측정하는 지표를 제시하여 데이터 증강 기법의 영향을 분석합니다. 실험 결과, 제안된 방법론을 통해 데이터 증강 기법의 효과를 분석하고, 학습된 모델에 대한 다양한 영향 프로파일을 식별할 수 있음을 보여줍니다.
