초록
본 논문에서는 테두리 없는 자르기 처리된 얼굴 이미지에 기반하여 훈련된 경량 합성곱 신경망을 이용한 얼굴 식별 및 얼굴 특성(연령, 성별, 인종) 분류를 위한 다중 작업 훈련을 탐구한다. 연구 결과, 얼굴 표정을 예측하기 위해서는 여전히 이러한 네트워크의 미세 조정(fine-tuning)이 필요함을 보였다. MobileNet, EfficientNet, RexNet 아키텍처를 기반으로 한 여러 모델이 제안되며, 실험을 통해 제안 모델이 AffectNet 데이터셋에서 최신 기술 수준의 감정 분류 정확도를 달성함을 입증하였다. 또한 UTKFace 데이터셋에서 연령, 성별, 인종 인식 분야에서도 최신 기술 수준에 근접한 성능을 보였다. 더불어, 본 신경망을 영상 프레임 내 얼굴 영역의 특징 추출기로 활용하고, 여러 통계 함수(평균, 최대값 등)를 결합하는 방식이 EmotiW 챌린지에서 발표된 AFEW 및 VGAF 데이터셋에 대해 기존에 알려진 최고 성능의 단일 모델보다 4.5% 높은 정확도를 달성함을 보였다.