A2-LINK: 주동 학습과 적대적 노이즈 기반의 도메인 간 지식을 통한 위장된 얼굴 인식

제약 조건이 없는 환경에서의 얼굴 인식은 지속적인 연구 과제로 남아 있다. 포즈나 해상도 저하와 같은 얼굴 인식의 여러 변이 요인들은 이미 상당한 주목을 받아왔지만, ‘의상 변화(디스가이즈)’는 여전히 얼굴 인식에 있어 매우 어려운 변이 요인으로 간주된다. 이에 대한 주된 이유는 대규모이고 대표적인 레이블이 부여된 데이터베이스의 부족과, 이러한 환경에서 다양한 변이 요인에 대해 잘 작동하는 알고리즘이 부족하기 때문이다. 의상 변화가 존재하는 상황에서도 효과적인 얼굴 인식을 해결하기 위해, 본 논문은 A2-LINK라는 활성 학습 프레임워크를 제안한다. A2-LINK는 얼굴 인식을 위한 머신러닝 모델을 기반으로 하여, 타겟 도메인에서 레이블링이 필요한 학습 샘플을 지능적으로 선정하고, 적대적 노이즈를 포함한 하이브리드 노이즈를 활용해, 의상 변화가 존재하는 경우와 없는 경우 모두에서 우수한 성능을 발휘하는 모델을 미세 조정한다. 실험 결과는 LCSSE, ArcFace, DenseNet과 같은 최첨단 딥러닝 특징 추출 모델을 사용하여 DFW 및 DFW2019 데이터셋에서 제안된 프레임워크의 효과성과 일반화 능력이 입증되었다.