[AI] 얼굴 인식 기술 TEST

[AI] 얼굴 인식 기술 TEST

모델 분류 성능 지표

1. True Positive(TP) : 실제 True인 정답을 True로 예측

2. False Positive(FP) : 실제 Flase인 정답을 Ture로 예측

3. False Negative(FN) : 실제 True 인 정답을 False로 예측

4. True Negative(TN) : 실제 False인 정답을 False로 예측

 

Precision(정밀도) : True로 분류한 것 중 실제 True인 값의 비율 TP / (TP + FP)

Recall(재현율) : 실제 True인 것 중에 모델이 True라고 예측한 것의 비율 TP / (TP + FN)

F1 Score: Precision과 Recall의 조화평균 2 * (Precision * Recall) / (Precision + Recall)

초기 성능 비교

모델	RetinaFace	ArcFace
DATASET	WIDER FACE DATASET	LFW
Accuracy(%)		87.3
Precision(%)	92.02	90.6
Recall(%)	100	84.3
F1 score(%)	95.84	87.3

 

한국인 안면 이미지 성능 비교

모델	RetinaFace + ArcFace	RetinaFace + ArcFace	RetinaFace + ArcFace
DATASET	저화질	중화질	고화질
Accuracy(%)	50	75	86
Precision(%)	50	71.6	96
Recall(%)	100	83	75
F1 score(%)	66.57	76.88	84.21

=> 저화질 이미지에 대한 성능 향상 필요

한국인 안면 이미지 + RandomErasing

모델	RetinaFace + ArcFace + Cosine	RetinaFace + ArcFace + Euclidean	RetinaFace + ArcFace + Euclidean l2	RetinaFace + ArcFace + Cosine	RetinaFace + ArcFace + Euclidean	RetinaFace + ArcFace + Euclidean l2
DATASET	고화질	고화질	고화질	고화질 + RandomErasing	고화질 + RandomErasing	고화질 + RandomErasing
Accuracy(%)	87.0	83.75	83.75	75.5	70	73
Precision(%)	75.6	85.88	85.88	77.42	63.3	81.08
Recall(%)	89	73	73	72	72	60
F1 score(%)	87.3	78.9	78.9	74.61	74.61	68.96

=> Cosine 을 통한 embedding 비교

 

ESR GAN, Real-ESRGAN 도입

모델	ESRGAN + RetinaFace + ArcFace	Real-ESRGAN + RetinaFace + ArcFace
DATASET	저화질	저화질
Accuracy(%)	50	71.5
Precision(%)	50	69.03
Recall(%)	100	78
F1 score(%)	66.67	73.24

 

• ESRGAN의 경우, 얼굴에 대해 유의미한 성능 향상을 이뤄내지 못함 => 얼굴과 배경의 구분이 이루어지지 않음
• Real-ESRGAN의 경우, F1 score이 6.57%p 향상