표제지
Abstract
요약
목차
약어 정리 16
제1장 서론 17
제2장 관련 연구 18
2.1. CNN(Convolutional Neural Network) 19
2.1.1. 컨볼루션 레이어(Convolutional layer) 20
2.1.2. 풀링 레이어(Pooling layer) 22
2.1.3. 완전 연결 레이어(Fully connected layer) 23
2.1.4. CNN 변수 및 기능(Parameter and Function) 24
2.1.5. 모델 훈련 프로세스 25
2.2. ResNet 26
2.3. MTCNN 27
2.3.1. 이미지 피라미드 28
2.3.2. 모델 구조 29
제3장 결과 및 고찰 32
3.1. 얼굴인식을 위한 딥러닝 모델 32
3.1.1. 데이터 셋 32
3.1.2. 딥러닝 모델 32
3.1.3. 테스트 결과 36
3.2. FaceNet 딥 러닝 모델을 이용한 얼굴검정 44
3.2.1. 데이터 셋 44
3.2.2. 딥 러닝 모델 44
3.2.3. 테스트 결과 45
제4장 결론 및 고찰 50
참고문헌 51
〈표 1-1〉 활성화 함수 예 24
〈표 1-2〉 실험1의 Loss, Accuracy 36
〈표 1-3〉 실험2의 Loss, Accuracy 37
〈표 1-4〉 실험3의 Loss, Accuracy 39
〈표 1-5〉 실험4의 Loss, Accuracy 40
〈표 1-6〉 실험5의 Loss, Accuracy 42
〈표 1-7〉 실험1, 실험2, 실험3, 실험4, 실험5 결과 정리 43
〈표 1-8〉 실험6의 테스트 결과 46
〈표 1-9〉 실험7의 테스트 결과 47
〈표 1-10〉 실험8의 테스트 결과 48
〈그림1-1〉 얼굴 인식 기술 동향의 마일스톤 19
〈그림1-2〉 CNN 개략도 20
〈그림1-3〉 컨볼루션 동작 프로세스 21
〈그림1-4〉 풀링 동작 프로세스 22
〈그림1-5〉 완전 연결 레이어 동작 프로세스 23
〈그림1-6〉 일반적인 활성화 함수[내용없음] 12
〈그림1-7〉 순전파 및 역전파 도식화 26
〈그림1-8〉 ImageNet의 네트워크 아키텍처의 예시 27
〈그림1-9〉 MTCNN 동작 프로세스 28
〈그림1-10〉 MTCNN의 P-Net 29
〈그림2-1〉 MTCNN의 R-Net 30
〈그림2-2〉 MTCNN의 O-Net 30
〈그림2-3〉 transforms의 Random HorizontalFlip 사용 32
〈그림2-4〉 Inception ResNet V1 모델 구조 33
〈그림2-5〉 Inception ResNet V1 모델에서 컨벌루션 레이어 분리 33
〈그림2-6〉 Linear, Pooling, Dropout, BatchNorm, Softmax 레이어 분리 34
〈그림2-7〉 Inception ResNet V1 모델 미세조정 34
〈그림2-8〉 Train Code 35
〈그림2-9〉 Evaluate Code 35
〈그림2-10〉 실험1의 Loss 그래프 36
〈그림3-1〉 MTCNN을 이용하여 검출된 얼굴 사진 37
〈그림3-2〉 실험2의 Loss 그래프 37
〈그림3-3〉 마스크 이미지 구현 코드 38
〈그림3-4〉 Face Landmad 및 cv2로 구현한 마스크 착용 이미지 38
〈그림3-5〉 실험3의 Loss 그래프 39
〈그림3-6〉 눈 이미지 추출 40
〈그림3-7〉 실험4의 Loss 그래프 40
〈그림3-8〉 Fully Connected Layer 추가한 코드 41
〈그림3-9〉 실험5의 Loss 그래프 42
〈그림3-10〉 이미지 임베딩 훈련 코드 44
〈그림4-1〉 이미지 임베딩 테스트 코드 45
〈그림4-2〉 FaceNet 얼굴인식 원리 45
〈그림4-3〉 훈련 및 테스트 이미지(왼쪽: 훈련, 오른쪽: 테스트) 46
〈그림4-4〉 이미지간 유클리디안 거리 결과 46
〈그림4-5〉 cv2 코드로 구현한 마스크 착용 이미지 47
〈그림4-6〉 눈 이미지 임베딩 코드 48
수식 1.1. [제목없음] 21