Earticle

초록

한국어

비전 기반의 객체 인식에 있어 항상 최적의 영상을 기반으로 식별을 진행하기에는 현실적으로 다양한 제약이 존재한 다. 예를 들어, 관심 객체의 영상획득 시 간섭을 일으키는 물체의 존재와 같은 이유로 인해 객체의 일부가 가려져 있을 수 있다. 인물의 얼굴 분류에 있어서도 마스크와 같은 폐색물이 존재할 경우 원래의 학습된 모델을 통한 분류 진행시 정확도가 떨어지는 문제가 발생할 수 있다. 이를 극복하기 위하여 GAN 기반의 폐색 영역 복원 기법 및 임베 딩 벡터의 거리에 따른 학습 알고리즘인 ArcFace Loss 모델을 결합한 파이프라인을 제안해 부분 폐색된 얼굴의 인 식률을 높이고자 한다. 본 논문에서는 폐색된 얼굴 이미지의 대표적인 예인 마스크 착용 인물의 학습 및 분류를 바 탕으로 성능을 평가한다. 결과로 Accuracy와 F-1 Score에서 일반적인 얼굴 학습에 비하여 각기 68%와 0.62의 성능향상을 확인하였다.

영어

In the vision-based object recognition, there are practically various limitations to always proceed with the identification based on the optimal image. For example, a part of the object may be occluded due to the presence of an object causing interference when acquiring an image of the object of interest. Even in the face classification of a person, if there is an occlusion such as a mask, there may be a problem that the accuracy is lowered when the classification is performed through the conventional trained model. To overcome this, we propose a pipeline that combines the GAN-based occlusion area restoration technique and the ArcFace Loss model, a machine learning algorithm based on the distance of the embedding vector, to increase the recognition accuracy of partially occluded faces. In this paper, the performance is evaluated based on the classification of a mask-wearing person, a representative example of an occluded face image. As a result, performance improvements of 68% and 0.62 were confirmed in Accuracy and F-1 Score, respectively, compared to conventional face learning.

목차

요약
Abstract
1. 서론
2. 관련 연구
2.1 얼굴 인식
2.2 Convolution Image Restore
2.3 마스크를 착용한 데이터셋
3. 제안하는 기법
4. 실험 및 결과
4.1 실험 환경
4.2 실험 결과
5. 결론
참고문헌

저자

• 임재성 [ Jesung Lim | 호서대학교 컴퓨터공학부 ]
• 홍충표 [ Chung-Pyo Hong | 호서대학교 컴퓨터공학부 ]

참고문헌