광주과학기술원(GIST) 연구진이 인공지능(AI) 딥러닝 기술을 적용해 저화질 영상에서도 눈·코·입 등 사람 얼굴의 주요 특징을 잘 인식할 수 있는 기술을 개발했다.
GIST는 융합기술학제학부 이규빈 교수 연구팀이 ‘어텐션 맵’을 이용해 고해상도 얼굴 이미지에서 학습한 정보를 저해상도 얼굴 이미지 인식 모델에 전달해 성능을 향상하는 방법을 개발했다고 24일 밝혔다.
‘어텐션 맵(attention map)’은 딥러닝 네트워크가 인식을 수행할 때 입력 이미지의 어떤 영역이 인식 결과에 많은 영향을 주었는지 시각화 한 정보다.
저화질 화면에서는 얼굴 인식 성능이 급격하게 저하돼, 수사기관이나 보안업체 등이 대상자의 신원 확인에 어려움을 겪는 일이 많다.
기존 얼굴 인식 딥러닝 기술은 ’24×24’ 픽셀 수준의 저해상도 이미지에서는 사람 얼굴의 주요 특징을 담고 있는 이목구비 영역이 아닌, 피부와 같이 해상도에 영향을 적게 받는 부위에 집중해 얼굴 인식을 수행하는 한계가 있다.
고해상도(평균 ‘112×112′ 픽셀) 얼굴 이미지들을 학습한 기존 인식 모델의 경우도 저해상도(평균 ’24×24’ 픽셀) 이미지는 인식 정확도가 30% 수준에 그치는 실정이다.
이미지 해상도가 높더라도 멀리서 촬영되거나 다수의 사람이 한꺼번에 촬영될 경우 각각의 얼굴 정보는 적은 픽셀로 구성돼 낮은 인식 성능을 보인다.
연구팀은 저해상도 네트워크의 어텐션 맵이 고해상도 네트워크의 어텐션 맵과 유사해지도록 학습하는 손실 함수를 추가해, 저해상도 네트워크가 얼굴 인식에 도움이 되는 주요 영역에 초점을 맞추도록 유도했다.
그 결과 기존 세계 최고 수준의 인식 성능인 45.49%보다 5% 향상된 47.91%의 인식 정확도를 얻어, 현재까지 가장 높은 수준의 성능을 달성했다.
얼굴 인식 외에도 저해상도 이미지에서 물체의 종류를 분류하는 과업에서도 연구팀이 제안한 방법이 높은 성능 향상을 거둬 다양한 활용 가능성을 제시했다.
이규빈 교수는 “연구 성과가 응용되면 범죄 해결의 중요 단서를 제공하는 CCTV로 멀리서 촬영된 사람의 얼굴 특징을 정확하게 인식할 수 있게 됐다”고 말했다.
이어 “연구팀이 제안한 ‘어텐션 맵 전이 기법’은 얼굴 인식 외에도 물체 영역 검출, 종류 분류 등 컴퓨터 비전의 다양한 과업에서 핵심 기술로 활용될 것이다”고 기대했다.
이번 연구는 과학기술정보통신부의 ‘클라우드 로봇복합인공지능 핵심기술개발사업’, 산업통상자원부의 ‘에너지기술개발사업’, 한국전자통신연구원의 ‘연구운영지원사업’ 등의 지원을 받아 수행됐다.
논문은 세계 3대 컴퓨터 비전 학회인 ‘유럽 컴퓨터 비전 학술대회(ECCV) 2022’ 10월 23일 자에 발표됐다.