Download as PDF, PPTX
Uploaded byif kakao
딥러닝을 이용한 얼굴 인식
신종주(isaac.shin) / kakao corp.(멀티미디어처리파트) --- Computer Vision 의 여러 영역 중 얼굴인식은 실생활에 가장 유용한 분야 중 하나입니다. 얼굴 인식도 딥러닝을 이용하면서 성능이 많이 향상되었습니다. 얼굴 인식 분야가 어떻게 발전되었고, 최근에는 어떤 연구가 진행 중인지 알아보겠습니다. 마지막으로 카카오에서 얼굴 인식 적용사례를 소개합니다.
딥러닝을 이용한 얼굴 인식
- 1. 딥러닝을 이용한 얼굴인식 신종주(isaac.shin) kakao corp.(멀티미디어처리파트) (셀럽)
- 2.
- 3.
- 4. 얼굴 인식 과정 1.Detection 2. Alignment 3. Normalization 4. Recognition 224 224
- 5. Contents - 얼굴 인식분류 - 학습 방법 - 최근 얼굴 인식 연구 방향 - 카카오의 얼굴 인식
- 6. Identification vs. Verification Identification -입력 얼굴과 등록된 얼굴들을 비교해서 누구인지 알려줌 - Top-1&5 accuracy Verification - 주어진 두 얼굴이 같은지를 판단 - TAR@FAR=0.001 - 틀린 것이 0.1%일때 몇 % 맞췄나? 높을 수록 좋음 - LFW ? = ≠ Probe Gallery
- 7. LFW Labeled Faces inthe Wild (2008) 6000 pair - 3000 pair - 3000 pair / . : 97.53% ?
- 8. Feature Embedding forFace Recognition FC (128, 256, 512, 1024…) Softmax Metric learning Train Dimension reduction conv, bn, act, pooling
- 9. Feature Embedding forFace Recognition FC (128, 256, 512, 1024…) Euclidean distance Cosine similarity Test FC (128, 256, 512, 1024…) conv, bn, act, pooling conv, bn, act, pooling
- 10. Metric Learning Triplet loss(CVPR 2015) Contrastive loss (NIPS 2014) Center loss (ECCV 2016) Ring loss (CVPR 2018)
- 11. Angular classification Sphere Face(CVPR 2017) (A-Softmax) CosFace (CVPR 2018) (Large Margin CL) ArcFace (arxiv 2017) NormFace (ACMMM 2017) Weight normalization
- 12.
- 13. Recent Databases MSCeleb-1M (ECCV2016) - 10 - 1000 VGGFace2 (FG 2018) - 9131 - 331
- 14. VGGFace2 - Network :resnet-34 - embedding size : 256 - Optimizer : Adam - Softmax 99% !! ?? 그냥 한번 학습해 보자!!
- 15. VGGFace2 우리 서비스에 이용할수 있을까? 대부분 서양인 Acc. TAR@FAR =0.001 TAR@FAR =0.01 TAR@FAR =0.1 0.907 0.560 0.735 0.914!!
- 16.
- 17. 카카오의 얼굴 인식 TrainVal Test 3,086 1,996,642 3,086 222,192 343 128,596 aug. 2 1,164 1,262,940 1,164 140,844 130 29,614 aug. 4 Kakao Dataset 몇달 간 모으고, GT 찍고.......
- 18. 카카오의 얼굴 인식 Evaluation -LFW protocol 사용 Softmax Softmax+Center loss Acc. TAR@FAR =0.001 TAR@FAR =0.01 TAR@FAR =0.1 Acc. TAR@FAR =0.001 TAR@FAR =0.01 TAR@FAR =0.1 0.991 0.976 0.992 0.998 0.997 0.996 0.997 0.998 0.985 0.921 0.980 0.999 0.999 0.999 1.0 1.0 + 0.991 0.972 0.992 0.999 0.998 0.997 0.998 0.999 Same Diff 36,015 36,015 13,650 13,650 + 49,665 49,665
- 19. 카카오의 얼굴 인식 Data+ loss Acc. TAR@FAR =0.001 VGGFace2 + Softmax 0.972 0.892 Kakao Dataset + Softmax 0.991 0.972 Kakao Dataset + Softmax + centerloss (Ours) 0.998 0.997 요약 - 한국인 성능 - 서양인 + 한국인 성능 Data + loss Acc. TAR@FAR =0.001 VGGFace2 + Softmax 0.907 0.560 Kakao Dataset + Softmax 0.985 0.921 Kakao Dataset + Softmax + centerloss (Ours) 0.999 0.997 43.7%p 10.5%p
- 20. 카카오의 얼굴 인식 이게끝? - No - 모으고, GT 찍고, 성능 높이고, - 또 모으고, 또 GT 찍고, 성능 높이고, - (자동화 하고), 성능 높이자.
- 21. 카카오의 얼굴 인식 서비스 -다음 라이브픽
- 22. 카카오의 얼굴 인식 서비스 -연내 API 오픈 계획
- 23. 카카오의 얼굴 인식 서비스 -연내 API 오픈 계획
- 24. 참고할 사이트 1. https://github.com/davidsandberg/facenet/wiki/Training- using-the-VGGFace2-dataset -Tensorflow - VGGFace2 학습 - LFW : 99.6% 2. https://github.com/deepinsight/insightface - mxnet - Angular classification - MSCeleb-1M 학습 - LFW : 99.8%
- 25.