먼저, 얼굴 인식이란 무엇일까?
얼굴 인식이란 개인의 얼굴을 자동으로 인식하여 그 사람의 신원을 확인하는 능력을 말한다.
기계는 얼굴 인식 알고리즘을 사용하여 사람의 얼굴을 인식한다.
과거 얼굴 인식
OpenCV에는 역사적인 얼굴 인식 라이브러리 세 가지가 내장되어 있으며, 이들은 모두 비슷한 방식으로 작동한다.
모두 라벨이 붙은 얼굴 데이터셋을 사용하여 이미지를 대표하는 특징을 추출한 다음, 분류기를 사용하여
이 특징을 활용해 분류한다.
얼굴인식 라이브러리는 1990년대부터 존재해왔다.
딥러닝을 활용한 현대적인 얼굴 인식 방법
이전 글에서 Siamese(샴쌍둥이) 네트워크의 여러 응용 중 하나가 얼굴 인식이라는 부분이 있다.
매우 인기 있는 두 가지 딥러닝 얼굴 인식 네트워크에 대해서 알아보자.
- FaceNet
- VG Face
1. FaceNet
FaceNet은 두개의 유사한 신경망(siamese N)이 있고, 이 신경망은 128차원 벡터 임베딩을 생성한다. 개념은 이정도만 알아두자.
'One Shot Learning'
추가적으로 알아둘것으로 'One Shot Learning'이라는것이다.
'One Shot Learning'이란 단 하나의 데이터를 DB에 추가하여 네트워크가 향후 해당 얼굴을 인식할 수 있게 하는 능력을 말한다.
즉 수백개의 샘플이 필요한게아니라, 단 한 번의 데이터 입력으로도 DB에 추가할 수 있고,
분류기가 해당 얼굴이 맞는지 판단할수 있다.
2. VG Face
VG face 아키텍쳐
여러 개의 합성곱(Conv_) 층이 하나의 2622 차원 벡터(우측 회색네모)로 출력되는 구조이다.
여러 얼굴인식 알고리즘의 성능 요약한 표로
VG Face는 98.95%의 정확도를 기록했다.
결론
간단하게 봤을때,
VG Face는 높은 정확도를 요구하는 프로젝트에 사용하고,
FaceNet은 단순한 구조로, 적은 샘플이 있는곳에 사용하면 된다.
