최근 경량 딥러닝에 대한 연구는 탈중앙화에 따른 비용 절감, 보안, 전력 소모 등의 이슈로 인해 다양한 분야에 적용되고 있다. 경량화된 딥러닝 모델은 모바일 환경을 통해 데이터의 분산처리와 다양한 서비스를 제공한다. 본 연구에서는 모바일 환경에 적합한 두 가지 경량 얼굴 인식 딥러닝 모델을 비교하고 보다 적합한 모델을 찾고자 한다. MobileFaceNet은 이를 임베딩 환경에 배포하는데 최적화된 모델로 최근 연구되고 있는 ResNet모델과 비교하여 좀 더 적합한 모델을 찾고자 하였다. 데이터셋은 WebFace42M를 사용하였으며, 얼굴 정렬 기법으로는 RetinaFace를 이용하여 랜드마크를 추출하고, opencv의 affine 변환을 이용하여 얼굴을 정렬하였다. 두 모델을 적용한 결과, 동일한 임베딩 환경에서 ResNet-100이 더 나은 성능을 보였다.