Distance Metric Learning on Face Recognition and Its Application

Abstract

이미지 인식은 hand-crafted 기반의 방법론부터 딥 러닝 기반의 방법론까지 다양한 방법이 연구되었다. 최근에는 심층 콘볼루션 신경망(DCNN) 기반의 방법론이 도입되어 기존의 hand-crafted 방법론에 비해 더 높은 성능을 보여주고 있다. 최근 기술 발전으로 인해 인공 신경망 연산속도가 대폭 빨라졌으며, 이를 활용하여 더 깊고 넓은 고성능의 모델을 개발할 수 있게 되엇다. 이는 더 나아가, 현업에서의 필수조건중 하나인 실시간 연산을 가능하게 하였다. 본 논문에서는 이러한 이점을 활용하여 얼굴인식과 출입제어가 완전 통합된 하나의 시스템을 구축하고자 한다.|Image recognition has been studied extensively in computer vision which has resulted in the development of various methods based on the hand-crafted features as well as deep learning methods. Introduction of representation learning methods based on the deep convolution neural network (DCNN) provided robust feature representation and have shown outstanding accuracies. Recently, computing power for neural network has grown extensively. It is possible to build a deeper network to achieve better performance. Even more, real-time computation, which is essential for real-world applications. In this paper, we aims to construct a fully integrated system with face recognition and access control over entries.