A-LINK: 주동 학습 기반의 도메인 간 지식을 통한 위장된 얼굴 인식

최근 딥러닝 기술의 발전으로 얼굴 인식 기술의 능력은 크게 향상되었으나, 제약 없는 환경에서의 얼굴 인식은 여전히 활발한 연구 과제로 남아 있다. 자세(pose)나 낮은 해상도와 같은 공변량(covariates)에 대한 연구는 상당한 주목을 받았지만, ‘의상이나 가면 등으로 인한 변형(disguise)’은 얼굴 인식에 있어 매우 어려운 공변량으로 간주된다. 이러한 이유 중 하나는 대규모이고 대표적인 데이터베이스가 부족하기 때문이다. 이에 따라, 가면 등으로 인한 얼굴 인식 문제를 해결하기 위해 본 연구에서는 타겟 도메인 데이터로부터 지능적으로 학습 샘플을 선택하는 활성 학습 프레임워크 A-LINK를 제안한다. 이 프레임워크는 특정 변형 패턴에 과적합되지 않도록 결정 경계를 적절히 조정함으로써, 다양한 변이를 더 잘 일반화하여 표현할 수 있도록 한다. 또한, 선택된 샘플을 기반으로 도메인 적응(domain adaptation) 기법을 적용하여 네트워크의 정밀 조정을 수행한다. 제안한 프레임워크의 효과는 LCSSE 및 DenseNet과 같은 최신 모델을 활용하여 DFW 및 Multi-PIE 데이터셋에서 입증되었다.