얼굴 인식 데이터 세트 생성에 관한 연구

• 영문명: A Study on generating face recognition dataset : Focusing on GAN network and dataset analysis
• 발행기관: 한국디자인리서치학회
• 저자명: 조수영(Cho Soo young) 김대열(Kim Dae yeol) 김문석(Kim Moon Seok) 손채봉(Sohn Chae Bong)
• 간행물 정보: 『한국디자인리서치』Vol3, No. 1(통권 7권), 85~93쪽, 전체 9쪽
• 주제분류: 예술체육 > 예술일반
• 파일형태: PDF
• 발행일자: 2018.06.30

국문 초록

최근 보안 관련 기술들이 급속히 성장해 나감에 따라 얼굴 인식을 활용한 보안 기술에 대한 관심이 높아지고 있다. 얼굴 보안 기술에 Deep Learning Model을 적용함으로써 실제 환경에서 사용할 수 있을 만큼 높은 신뢰도기반의 보안 기술이 등장했다. 하지만 이러한 기술은 Supervised Learning을 이용하는데, 이는 라벨이 적혀진 수많은 형태의 dataset을 필요로 한다. 이러한 데이터 셋을 제작하는 데는 사람이 직접 라벨 링을 해야 하기 때문에, 많은 시간과 돈이 필요하다. 그래서 우리는 비지도 학습으로 구성된 GAN(Generative Adversarial Networks)를 이용하여 새로운 이미지를 생성하여 활용하고자 한다. GAN은 Convolutional Adversarial pair의 판별 자(Discriminator)와 생성 자(Generator) 두 가지의 model을 통해 각 모듈들의 적대적 학습을 통해 학습된 확률 분포에 따라 새로운 데이터를 생성할 수 있게 된다. 본 논문에서는 GAN을 통하여 새로운 얼굴 인식 데이터 셋을 만들고자 한다. 유명인의 얼굴 사진 데이터 셋 Celeb A와 VGG face 데이터 셋 ver.2 및 수십 세기 전 서양화 인물 데이터 셋을 학습 데이터 셋으로 이용하였다. 학습 된 데이터들은 얼굴 인식 데이터 셋에 사용이 가능한지 판단하기 위해서 눈, 코, 입 등의 여러 특징을 뽑아내는 알고리즘을 사용했다. 마지막으로 시각적으로 비슷한 이미지 일 경우 히스토그램 분석을 통해 각각의 데이터에 어떠한 차이를 가지고 있는지 비교 분석을 진행하였다.

영문 초록

Recently, with the rapid growth of security related technologies, interest in security technology using face recognition is increasing. Applying Deep Learning Model to face security technology, security technology based on reliability that can be used in real environment has emerged. However, this technique uses Supervised Learning, which requires a large number of labeled data sets. Producing these datasets requires a lot of time and money, because people have to label them directly. Therefore, we want to create a new image using GAN (Generative Adversarial Networks) which is composed of non-BIA learning. GAN can generate new data according to the learned probability distribution through hostile learning of each module through two models of discriminator of Convolutional Adversarial pair and Generator. In this paper, we try to create a new face recognition dataset through GAN. Celeb A and VGG face dataset ver.2 and dozens of centuries ago used a Western dataset as a learning dataset. The learned data was used to extract various features such as eyes, nose, mouth, etc., to determine if it could be used in a face recognition dataset. Finally, we compare and analyze the difference of each data through histogram analysis for visually similar images.

목차

Abstract

요약

1. 서론

2. 이론적 배경

3. 적용 가능 사례

4. 실험

5. 결과

참고문헌

키워드

Generative Adversarial Networks Pattern recognition Histogram Deep learning Deep face