초록
고차원(예: 10만 차원) 특징을 얼굴 인식에 사용하는 것은 후속 학습, 계산 및 저장 측면에서 어려움을 야기하므로 바람직하지 않다고 여겨져 왔다. 이로 인해 고차원 특징의 활용에 대한 추가적인 탐색이 제한되어 왔다. 본 논문에서는 고차원 특징의 성능을 연구한다. 먼저, 고차원성이 높은 성능을 달성하는 데 필수적임을 실험적으로 입증한다. 단일 유형의 국소 이진 패턴(Local Binary Pattern, LBP) 기술자를 기반으로 한 10만 차원 특징은 저차원 버전과 최신 기술 대비 상당한 성능 향상을 달성할 수 있다. 또한 본 연구에서는 고차원 특징의 실용성을 확보한다. 제안한 희소 투영 기법인 '회전 희소 회귀(ROTATED SPARSE REGRESSION)'를 통해 계산량과 모델 저장 용량을 정확도 품질을 손상시키지 않고 100배 이상 감소시킬 수 있다.