earticle

한국어

최근 얼굴인식 연구에서는 이미지 품질을 고려하여 낮은 품질의 이미지에 대해서 알고리즘 성능을 개선 하고 있다. 이러한 연구에서 사용하는 이미지 품질의 조작적 정의는 샘플의 모델 임베딩 값의 L2 노름 (특징 정규화)을 사용하고 있으며, 얼굴인식 외의 연구인 Out Of Distribution(OOD)에서 특징 정규화는 이미 지 품질이 아닌, 학습 데이터셋의 분포와 차이나는 데이터를 구별하기 위해 사용되고 있다. 이는 특징 정 규화가 모델에 학습된 데이터에 따라 달라짐을 시사한다. 얼굴인식 학습 데이터 셋은 대부분 롱 테일 분 포를 가지고 있기에, 본 연구는 이를 고려하여 특징 정규화를 클래스 별로 표준화하여 전처리를 한 결과 특징 정규화와 이미지 품질의 상관관계가 더 높아진 결과를 보여준다. 추후 얼굴인식 분야에서는 데이터 셋의 분포를 고려하여 특징 정규화를 이미지 품질로 사용할 것을 제안한다.