[후기] 얼굴 인식 알고리즘 선행 연구를 소개합니다

안녕하세요. 카카오엔터프라이즈 AI 연구/기술을 소개하는 최신의 포스팅을 알리러 왔습니다. :0

카카오엔터프라이즈 AI기술팀 멀티미디어처리파트(김용현, 박원표, 노명철, 신종주)가 얼굴 인식과 관련된 최신 연구인 Groupface(https://bit.ly/kep_groupface_cvpr2020)가 CVPR 2020에 게재 승인됐다고 지난 달 짤막하게 소식을 전한 바 있습니다.

얼굴 인식 모델의 성능을 높이려는 목적에서 다양한 손실 함수(loss function)가 제안돼 왔습니다. 하지만 AI Lab은 손실 함수 개선만으로는 성능 향상에 한계가 있다고 판단했습니다. 애초에 기존의 인식 모델 자체가 수천개 범주(class)만을 구분할 수 있다보니, 수만 명의 인물을 구분해야 하는 태스크에는 적합하지 않다고 본거죠.

카카오엔터프라이즈가 얼굴의 유사성을 그룹화해 표현하는 특징 벡터(group-aware representation)를 추출하는 새로운 모델 구조인 GroupFace를 고안하게된 배경입니다.

김용현 연구원을 만나 선행 연구에서 주로 다뤄진 주제인 손실 함수에 대한 이야기를 들어봤습니다. 소프트맥스 손실 함수(softmax loss function), 거리 기반 손실 함수(distance-based loss function), 앵귤러 마진 기반 손실 함수(angular margin based loss function) 등 얼굴 인식 분야에서 주로 연구된 세 손실 함수의 특장점과 단점을 정리했습니다. 정말 매우 쉽게 쓰려고 노오력 했으니 한 번 읽어봐주시면 감사하겠습니다!

멀티미디어처리파트에서는 얼굴인식을 비롯한 컴퓨터비전 연구를 함께할 딥러닝 전문가도 모십니다. 관심 있는 분은 인재 영입 페이지(https://bit.ly/kep_caree_computervision)를 참고해 주세요. 감사합니다. :)

얼굴 인식 알고리즘 선행 연구를 소개합니다