2019년 컴퓨터종합학술대회
Current Result Document : 1 / 1
| 한글제목(Korean Title) |
얼굴인식을 위한 얼굴 전역 및 지역 특징 기반 심층합성곱신경망 앙상블 압축 모델 제안 |
| 영문제목(English Title) |
Compressed Ensemble of Deep Convolutional Neural Networks with Global and Local Facial Features for Face Recognition |
| 저자(Author) |
윤경신
김경태
최재영
KyungShin Yoon
Kyeongtae Kim
Jaeyoung Choi
|
| 원문수록처(Citation) |
VOL 46 NO. 01 PP. 1091 ~ 1093 (2019. 06) |
한글내용
(Korean Abstract) |
본 논문에서는 지식 전파(knowledge distillation) 알고리즘과 얼굴 영상의 지역특징(local features) 및 전역특징(global features)을 복합적으로 활용하여 심층 앙상블 네트워크(deep ensemble network)와 얼굴인식 성능이 매우 유사한 심층합성곱신경망 앙상블 압축 모델 형성 방법을 제안한다. 지식 전파의 목적은 앙상블 네트워크의 인식결과 정보를 단일 신경망에 이전시켜 인식 수행 시간과 앙상블 신경망 저장 공간을 획기적으로 줄이는 동시에 높은 인식 성능을 유지하는 것이다. 앙상블 신경망의 인식결과 정보를 단일 신경망으로 옮기기 위해 앙상블 신경망의 소프트맥스 결과(softmax output)인 클래스 예측 확률을 단일 신경망을 훈련하기 위한 소프트 타겟(soft target)으로 활용한다. 지식 전파 알고리즘을 적용하여 얼굴영상의 지역 영역(facial subregions)들로 훈련된 앙상블 심층신경망이 학습한 지역 특징 정보를 단일 심층신경망에 전달하여 압축 심층신경망 모델을 만든다. 압축 모델은 얼굴 표현의 지역특징과 전역특징을 동시에 학습하는 효과를 얻어 얼굴인식 성능을 높인다. 실험 결과를 통해 압축 심층신경망(compressed deep network)이 앙상블 심층신경망의 인식 성능을 유지할 수 있으며 단일 심층신경망의 인식성능 보다 우수함을 논증하였다. 또한 수백만개의 모델 매개변수(model parameters)를 사용하기 때문에 훈련 시간이 느리고 증가된 저장 공간을 필요로 하는 심층 앙상블 네트워크의 단점을 해결하고 장점인 높은 인식성능을 얻을 수 있음을 논증하였다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
