소개
세계 최초 모델 기반 온라인 증분 학습이 가능한 세계 최고 성능(98.10%) 얼굴 인식 네트워크 CNN-OICRN
본 기술의 특징
- CNN_OICRN: 온라인 증분 학습이 가능한 모델 기반의 얼굴 인식 네트워크
- 온라인 증분 학습이 가능한 얼굴 인식 end-to-end 네트워크(OICRN 기반)
- 각 특징 벡터를 모델 기반으로 자체 학습(model-based)
- 사용자별 여러 특징 벡터 존재 가능(concept vectors of clusters)
개발된 네트워크
- CNN-OICRN 통합 네트워크
- CNN: 얼굴 사진으로부터 특징 벡터 추출
- Light CNN-29, SphereFace-20, VGGFace2 (ResNet-50)
- OICRN: 특징 벡터 기반 사용자 분류 및 인식
- 오프라인으로 학습 가능한 기존 모델과 비교하여 최고 성능(98.19%)
- 실시간으로 새로운 사용자에 대해 증분 학습 가능
- 새로운 사용자에 대해 순차적으로 학습을 진행, 전체 테스트 데이터에 대해 정확도 증가, 기존에 학습한 사용자들에 대한 학습을 유지하며 새로운 사용자 학습 가능
- Online Incremental Face Identification System
- 휴머노이드 로봇 Mybot에 실제 시스템으로 구현
- MTCNN 기반으로 추출한 얼굴 부분 사진 (Zhang et al., 2016)을 입력하면 사용자의 이름을 예측하여 출력함
- 학습하지 않은 사용자의 경우 로봇이 이름을 묻고, 이를 기반으로 실시간 온라인 학습 진행, 이후 상호작용에 반영
- CNN: 얼굴 사진으로부터 특징 벡터 추출
시장성 및 파급 효과
- 기술의 우수성
- 기존의 사용자별 단일 대표 특징 벡터를 추출 및 이용하는 방법과 차별화
- 모델 기반 특징 벡터를 학습하고 분류까지 진행하는 네트워크
- 시장성
- 학습을 위한 중앙 서버 없이 로컬 시스템에서 학습 가능
- 원하는 사용자에 대한 학습으로 사생활 침해 가능성 적음
- 로봇과의 상호작용으로 모델의 학습이 자동적으로 이루어짐을 입증
- 1초 이내 학습으로 10초 이내 사용자 등록 가능
- 활용 가능성
- 사용자와의 상호작용으로 학습이 가능한 시스템으로 활용 용이
- 다른 배경지식 없이 대화 형식으로 사용자에 대해 학습 가능
- 활용 예: 사무실의 손님맞이 로봇, 홈 로봇 등 상호작용이 이루어지는 시스템