제약 없는 이미지 세트에서 인간과 자동화된 얼굴 인증 정확도 비교

자동 얼굴 인식 기술은 심층 학습의 발전과 심층 네트워크 훈련을 위한 더 큰 데이터 세트의 가용성 덕분에 성능이 크게 향상되었습니다. 얼굴 인식은 인간이 매우 잘하는 작업으로 여겨지기 때문에, 완전히 제약 없는 얼굴 이미지를 처리할 때 자동화된 얼굴 인식과 인간의 상대 성능을 비교하는 것은 자연스러운 일입니다. 이 연구에서는 제약 없는 얼굴 이미지를 활용한 여러 새로운 분석을 수행하여 인간과 자동 시스템의 인식 정확성에 대한 이전 연구를 확장합니다. 우리는 인간 인식자가 주제당 다양한 양의 이미지를 제시받을 때, 성별과 같은 불변 속성, 가림, 조명, 자세와 같은 상황적 속성이 성능에 미치는 영향을 조사합니다. 결과는 인간이 도전적인 IJB-A 데이터 세트에서 최신 자동 얼굴 인식 알고리즘보다 훨씬 우수한 성능을 보임을 나타냅니다.