초분광 얼굴 데이터셋 증강을 통한 얼굴 인식 시스템 성능 향상 (Improving Face Recognition Performance through Hyperspectral Face Dataset Augmentation)

서지정보

· 발행기관 : 대한전자공학회
· 수록지 정보 : 전자공학회논문지 / 61권 / 12호 / 112 ~ 120페이지
· 저자명 : 최영인, 강주성, 이지오, 신영학, 이흥노

초록

RGB 이미지는 빨강, 초록, 파랑의 세 가지 기본 색상 채널만을 사용하여 정보를 표현하는 반면, 초분광 이미지는 더 넓은 스펙트럼을 활용하여 정보를 담아낸다. 이를 통해 초분광 얼굴 이미지는 얼굴의 세부적인 특징과 피부 상태를 더욱 정확하게 파악할 수 있는 세밀한 정보를 제공한다. 그러나 초분광 얼굴 이미지를 획득하기 위해서는 고가의 카메라, 정교한 장비 설치, 그리고 제한된 촬영 환경이 요구되어 충분한 양의 데이터셋을 확보하기가 어렵다. 이러한 이유로 현재 공개된 초분광 얼굴 데이터셋은 객체 및 샘플 수가 제한적이며, 이는 초분광 이미지를 사용한 얼굴 인식 시스템의 일반화에 어려움을 준다. 이를 해결하기 위해, 본 논문에서는 초분광 얼굴 데이터셋의 다양성을 증대시키는 증강 기법을 제안한다. 먼저, 이미지 생성 기법인 StyleGAN2-ADA를 사용하여 새로운 얼굴 객체를 증강한 후, Face Pose Augmentation을 적용하여 동일 객체에 대한 다양한 포즈를 생성함으로써 데이터의 다양성을 확대하였다. 초분광 이미지 기반 얼굴 인식 실험을 통해 제안된 데이터 증강 방법의 효용성을 네 가지 모델에 대해 검증한 결과, 모든 모델에서 증강된 초분광 얼굴 데이터셋을 추가로 사용한 경우 Accuracy가 향상되었으며, 최대 0.9907까지 성능이 증가하였다. 이를 통해 제안된 방법이 얼굴 인식 시스템의 성능 향상에 유의미한 기여를 할 수 있음을 입증하였다.

영어초록

RGB images use only three primary color channels to represent information, whereas hyperspectral images capture data using a broader spectrum. This allows hyperspectral face images to provide more detailed information, enabling a more accurate analysis of facial features and skin conditions. However, obtaining hyperspectral face images requires expensive cameras, precise equipment setup, and restricted environments, making it difficult to collect a sufficient amount of data. As a result, publicly available hyperspectral face datasets have limited objects and sample sizes, hindering the generalization of face recognition systems based on hyperspectral images. To address this issue, this paper proposes a data augmentation method to increase the diversity of hyperspectral face datasets. First, StyleGAN2-ADA, an image generation technique, was used to augment new facial objects. Next, Face Pose Augmentation was applied to generate diverse poses for the same object, further enhancing data variety. Through face recognition experiments based on hyperspectral images, the effectiveness of the proposed data augmentation method was validated across four models. The results showed that the models trained with the augmented hyperspectral face dataset exhibited improved accuracy, with performance increasing up to 0.9907. This demonstrates that the proposed approach can significantly enhance the performance of face recognition systems.

참고자료

· 없음