Programmer/Deep Learning

논문링크:research.fb.com/publications/deepface-closing-the-gap-to-human-level-performance-in-face-verification/ DeepFace: Closing the Gap to Human-Level Performance in Face Verification - Facebook Research In modern face recognition, the conventional pipeline consists of four stages: detect => align => represent => classify. We revisit both the alignment step and the representation step by employing..

논문 : http://openaccess.thecvf.com/content_cvpr_2016/html/He_Deep_Residual_Learning_CVPR_2016_paper.html Abstract Deeper neural network는 더 훈련시키기 어렵다. 우리는 이전의 사용되었던 것보다 실질적으로 더 깊은 네트워크의 훈련을 용이하게 하기 위한 residual learning framework를 제시한다. 계층 입력에 대한 learning residual 함수로 계층을 명시적으로 재구성한다. 우리는 이러한 residual network가 최적화하기 쉬우며 깊이가 상당히 높아져 정확도를 얻을 수 있음을 보여주는 포괄적인 경험적 증거를 제공한다. ImageNet dataset에서 우리는 VGG ne..

소개 YOLO는 You Only Look Once의 약자이다. 대략 R-CNN은 너무 느렸으며(5초), Fast R-CNN도 0.5프레임으로 느렸고, Faster R-CNN도 7프레임이 최대였다. 이때 YOLO가 등장하여 45프레임을 보여주었고 빠른 버전의 경우 155프레임을 기록하며 사람들을 놀라게 했다. R-CNN - Fast R-CNN - Faster R-CNN - YOLO는 대략 10배씩 속도차이가 난다. 게다가 성능도 FasterR-CNN에 비해 크게 떨어지지 않았다. 기존 방법과의 차이점 R-CNN 계열의 검출 네트워크들은 영상에서 오브젝트가 있을 것 같은 후보(ROI - Region If Interest : 관심영역)를 먼저 뽑는다. 후보로 뽑힌 ROI(영상의 작은 부분) 들은 분류기(Cla..

사전지식 1. SVM : support vector machine은 기계 학습의 분야 중 하나로 패턴 인식, 자료 분석을 위한 지도 학습 모델이며, 주로 분류와 회귀 분석을 위해 사용한다. 두 카테고리 중 어느 하나에 속한 데이터의 집합이 주어졌을 때, SVM 알고리즘은 주어진 데이터 집합을 바탕으로 하여 새로운 데이터가 어느 카테고리에 속할지 판단하는 비확률적 이진 선형 분류 모델을 만다. 출처: https://ko.wikipedia.org/wiki/%EC%84%9C%ED%8F%AC%ED%8A%B8_%EB%B2%A1%ED%84%B0_%EB%A8%B8%EC%8B%A0 2. Feature Descriptor 형상 기술자 : 유용한 정보를 추출하고 관계가 없는 정보를 버림으로써 이미지를 단순화하는 이미지 또..

YOLO 튜토리얼 1 2020/04/26 - [Programmer/Deep Learning] - YOLO 튜토리얼 1.YOLO 란? YOLO 튜토리얼 1.YOLO 란? YOLO란? YOLO 는 you Only Look Once, 즉 이미지를 한번 보는 것만으로 Object의 종류와 위치를 추측하는 딥러닝 기반의 물체인식 알고리즘을 뜻한다 1-stage detector로서 간단한 처리과정으로 다른 딥러닝 알고.. hohodu.tistory.com YOLO 튜토리얼 2 2020/04/26 - [Programmer/Deep Learning] - YOLO 튜토리얼 2. Creating the layers of the network architecture YOLO 튜토리얼 2. Creating the layers..

YOLO튜토리얼 1 2020/04/26 - [Programmer/Deep Learning] - YOLO 튜토리얼 1.YOLO 란? YOLO 튜토리얼 1.YOLO 란? YOLO란? YOLO 는 you Only Look Once, 즉 이미지를 한번 보는 것만으로 Object의 종류와 위치를 추측하는 딥러닝 기반의 물체인식 알고리즘을 뜻한다 1-stage detector로서 간단한 처리과정으로 다른 딥러닝 알고.. hohodu.tistory.com 사전지식 1. residual blocks : Residual이라는 것을 일종의 오차로 residual learning은 입력으로부터 얼만큼v달라져야하는지를 학습한다. ResNet에서 shortcut Connection을 x라 했을 때 shortcut connect..

YOLO란? YOLO 는 you Only Look Once, 즉 이미지를 한번 보는 것만으로 Object의 종류와 위치를 추측하는 딥러닝 기반의 물체인식 알고리즘을 뜻한다 1-stage detector로서 간단한 처리과정으로 다른 딥러닝 알고리즘에 비해 속도가 매우 빠르며, 높은 mAP(mean Average Precision)을 보인다. 하지만 작은 object에 대해서 낮은 정확도를 보인다. -The YOLO Detection System. YOLO로 처리하는 이미지는 간단하고 직관적이다. (1) Input image를 resize한다. (2) image에서 작동하는 single convolutional network(1 X 1 convolutions)를 실행한다. (3) 해당 모델을 통해서 나온 확..

사전지식 Face Detection with cascade Object Detector 그림1.에서 머신러닝의 학습데이터로써 사람의 얼굴이 포함된 Positice lmage와 얼굴이 포함되지 않은 Negative Image를 사용하며 Positive Image에서 사람의 얼굴을 ROI(Region Of Interest)로 표시한다. 다음으로 영상에서 특징을 추출하는 작업을 수행하는데, 사람 얼굴의 특징을 추출하기 위해서는 Haar-like feature나 LBP(Local Binary Patters)등이 자주 사용된다. 그리고 분류기를 훈련시키는 작업이 이어지게 된다. Cascade of Classifier라는 분류가 한 번에 결정되는 것이 아니라 여러단계(Cascade)의 분류과정을 거치게 된다. 출처..

[논문리뷰] An Overview Of Face Liveness Detection 인 이전글 링크 2020/04/18 - [Programmer/Deep Learning] - [논문리뷰] An Overview of Face Liveness Detection 2.2 Variable Focusing based analysis variable focusing을 사용하는 face liveness detection의 기술은 김수연에 의해 시행되었다. 핵심 접근법은 다른 focus에서 순차적으로(sequentially) 찍힌 2개 이미지 사이에서 집중함으로써 pixel 값의 변화(variation)를 활용하는것이다. 움직임에대한 큰 차이점이 없다고 가정한다면, 저자는 2개의 sequential image가 수집되었을..

논문:https://arxiv.org/ftp/arxiv/papers/1405/1405.2227.pdf Abstract 얼굴인식은 넑게 biometric(개인 식별을 가능하게 하는 지문, 안구 혈관 배열도,음성 따위처럼 유일한 개인적 특성을 반영하는 특정한 속성을 이용하는 일과 관계되는 것.) 접근하기 위해 사용된다. 얼굴 인식 기술은 최근 빠르게 발전해가고있고 다른 방법보다 더 직접적이고, 사용자에게 익숙하고 편리하다. 하지만 얼굴인식 시스템은 non-real face에 의해 만들어진 spoof 공격에 취약하다. spoof 얼굴 인식 시스템은 얼굴사진에 의해 인식되는 쉬운방법이다. 보안 시스템은 이러한 spoofing에 대항하여 지키기위해 Liveness detection필요하다. 여기에서 face li..