[논문 리뷰] Face Recognition: From Traditional to Deep Learning Methods

Daniel Sáez-Trigueros, Li Meng외 1명|arXiv (Cornell University)|2018. 10. 31.

Face recognition and analysis참고 문헌 101인용 수 104

한 줄 요약

이 논문은 전통 기하학, holistic, 특징 기반, 하이브리드 방법에서 현대 딥 러닝 접근까지의 얼굴 인식을 조사하고, 구성 요소, 데이터 세트, 대표 방법 및 성능을 자세히 설명합니다.

ABSTRACT

Starting in the seventies, face recognition has become one of the most researched topics in computer vision and biometrics. Traditional methods based on hand-crafted features and traditional machine learning techniques have recently been superseded by deep neural networks trained with very large datasets. In this paper we provide a comprehensive and up-to-date literature review of popular face recognition methods including both traditional (geometry-based, holistic, feature-based and hybrid methods) and deep learning methods.

연구 동기 및 목표

• 기하 기반에서 딥 러닝까지 얼굴 인식 방법의 진화를 조사한다.
• holistic, 특징 기반, 하이브리드 접근 방식과 실세계 변동에 대한 강건성을 비교한다.
• 얼굴 인식 시스템의 일반적인 구성 요소(탐지, 정렬, 표현, 매칭)를 설명한다.
• CNN 기반의 성능 향상을 가능하게 한 대규모 데이터 세트를 강조한다.
• 대표 방법과 표준 벤치마크에서 보고된 정확도를 요약한다.

제안 방법

• 방법을 기하 기반, holistic, 특징 기반, 하이브리드, 딥 러닝 범주로 분류한다.
• PCA/LDA, 커널 방법, 희소 표현, SVM을 기초 기술로 설명한다.
• 얼굴 탐지, 정렬, 표현, 매칭 구성 요소를 설명한다.
• 분류 기반 학습, 병목 특징, 거리 학습(metric learning) (예: Siamese, contrastive loss)을 포함한 CNN 기반 전략을 논의한다.
• 주요 시스템(예: DeepFace, DeepID)과 이들의 아키텍처 혁신 및 정렬 전략을 인용한다.
• LFW와 같은 벤치마크에서 보고된 정확도로 성능을 요약한다.

실험 결과

연구 질문

• RQ1 얼굴 인식 방법의 주요 역사적 범주는 무엇이며 각 범주의 강점/제약은 무엇인가?
• RQ2 딥 러닝 접근법이 전통적 방법에 비해 얼굴 인식을 어떻게 개선했는가?
• RQ3 효과적인 얼굴 인식 시스템에 필수적인 구성 요소는 무엇이며 이들이 어떻게 상호 작용하는가?
• RQ4 LFW와 같은 표준 벤치마크에서 성능 향상을 주도한 데이터 세트와 아키텍처는 무엇인가?

주요 결과

• 전통적 기술이 등장하기 전에 PCA/LDA 및 희소 표현을 사용하는 홀리스틱 방법이 주목할 만한 정확도를 달성했으며, LFW 성능으로는 예: 92.4%에 이르는 값이 보고된 홀리스틱 접근 방식이 있다.
• CNN 기반 얼굴 인식은 대규모 현장 데이터셋으로 학습될 때 정확도가 크게 향상되었으며, 예를 들어 DeepFace가 LFW에서 97.35%를 달성했다.
• GaussianFace 접근법은 LFW에서 98.52%를 달성하며 강한 도메인 간 판별 능력을 보여주었다.
• 하이브리드 방법이 로컬 특징(LBP, Gabor, SIFT)과 부분공간 학습을 결합해 단일 기법 접근보다 종종 더 나은 성능을 보였다.
• 이전의 CNN 기반 방법은 대규모 데이터셋과 더 높은 용량의 네트워크를 필요로 하여 전통적 기술을 능가하기 시작했고, 현재의 최첨단 결과의 기반을 마련했다.