Research on Lightweight Deep Learning Face Recognition Models for Mobile Devices
연구 내용
모바일 환경에 적합한 경량 얼굴 인식 딥러닝 모델을 비교하고 최적화 모델을 도출하는 연구
모바일 환경에서 구동 가능한 경량 딥러닝 기반 얼굴 인식 모델을 비교·분석하는 연구를 수행합니다. 얼굴 정렬을 위해 RetinaFace 기반 랜드마크 추출과 OpenCV affine 변환을 적용하여 입력 품질을 표준화합니다. 이후 MobileFaceNet과 ResNet 계열 모델을 동일 임베딩 환경에서 평가하여, 제약된 연산 자원에서도 성능을 유지할 수 있는 방향을 탐색합니다. 데이터 세트는 WebFace42M를 활용하며, H/W 제약을 고려한 모델 선택 기준을 정립하는 데 목적이 있습니다.
관련 연구 성과
관련 논문
1편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
본 연구는 모바일 구동을 전제로 경량 얼굴 인식 모델의 구조적 특성과 임베딩 환경 적합성을 비교하는 방향에서 시작되었습니다. 이후 얼굴 정렬 단계에서 RetinaFace 랜드마크와 OpenCV affine 변환을 적용해 전처리 일관성을 확보하는 절차로 확장했습니다. 2024년에는 MobileFaceNet과 ResNet 계열 모델을 같은 임베딩 조건에서 비교해 성능 차이를 확인하고, 더 적합한 모델을 도출하는 흐름으로 연구를 수행합니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Research on a Lightweight Deep Learning Model Suitable for Face Recognition for Mobile Devices