유전적 특성에 강인한 다중 과제 학습 얼굴 인식 모델
Multi-task Learning Face Recognition Model Robust to Genetic Characteristics
- 주제어 (키워드) 얼굴 인식 , 다중 과제 학습 , 나이 예측 , 친족 인식 , 딥러닝 , face recognition , multi-task learning , age estimation , kinship recognition , deep learning
- 발행기관 서강대학교 일반대학원
- 지도교수 박운상
- 발행년도 2023
- 학위수여년월 2023. 8
- 학위명 석사
- 학과 및 전공 일반대학원 컴퓨터공학과
- 실제 URI http://www.dcollection.net/handler/sogang/000000076249
- UCI I804:11029-000000076249
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권 보호를 받습니다.
초록 (요약문)
본 연구는 나이 변화와 가족 구성원 간의 유전적 특성 공유에 강인한 얼굴 인식 딥러닝 모델을 개발하였다. 기존 모델은 개인의 나이 변화와 가족 관계의 복잡성에 따른 얼굴 인식 정확도의 감소를 경험하였다. 이러한 문제를 해결하기 위해, 다중 과제 학습 방법론을 도입하였다. AIHub의 가족 관계가 알려진 얼굴 이미지 데이터를 활용하여 구축한 데이터셋을 이용하여, 얼굴 분류, 나이 그룹 분류, 그리고 가족 분류의 과제를 동시에 처리하였다. 이중 과제 학습 모델은 가족 관계에서의 불일치 쌍을 효과적으로 구별하였지만, 개인의 나이 변화에 따른 인식에서는 한계가 관찰되었다. 반면에, 삼중 과제 학습 모델은 나이 변화 인식에서 뛰어난 성능을 보였으나, 가족 관계의 불일치 쌍을 구별하는 데는 한계를 보였다. 이러한 결과로, 두 모델의 적절한 적용은 상황과 요구 사항에 따라 결정되어야 함을 보여준다. 본 연구는 이중 및 삼중 과제 학습 모델의 고유한 특성과 한계를 조명하며, 이를 통해 얼굴 인식 기술의 강인성을 향상시키는 방향을 제시한다. 이 결과를 통해, 기존 모델의 한계를 극복하고, 다양한 상황에서의 강인한 얼굴 인식 능력을 제공하는 새로운 방향을 제시하였다.
more초록 (요약문)
This study developed a deep learning model for face recognition that is robust to the shared genetic characteristics among family members and changes in age. Previous models have experienced a decline in face recognition accuracy due to the complexity of an individual's age changes and family relationships. To address these issues, we introduced a multi-task learning methodology. Using a dataset constructed with the 'Face Images with Known Family Relationships' from AIHub, we simultaneously handled tasks of face classification, age group classification, and family classification. The dual-task learning model effectively distinguished mismatch pairs in family relationships, but limitations were observed in recognition according to individual age changes. In contrast, the triple-task learning model demonstrated excellent performance in age change recognition but had limitations in distinguishing mismatch pairs in family relationships. These results indicate that the appropriate application of the two models should be determined according to the situation and requirements. This study illuminates the unique features and limitations of dual and triple-task learning models, suggesting directions to enhance the robustness of face recognition technology. Through these results, we propose a new direction that overcomes the limitations of existing models and provides robust face recognition capability in various situations.
more