A Study on Deep Learning Structure of Multi-Block Method for Improving Face Recognition

얼굴 인식률 향상을 위한 멀티 블록 방식의 딥러닝 구조에 관한 연구

Abstract

In this paper, we propose a multi-block deep learning structure for improving face recognition rate. The recognition structure of the proposed deep learning consists of three steps: multi-blocking of the input image, multi-block selection by facial feature numerical analysis, and perform deep learning of the selected multi-block. First, the input image is divided into 4 blocks by multi-block. Secondly, in the multi-block selection by feature analysis, the feature values of the quadruple multi-blocks are checked, and only the blocks with many features are selected. The third step is to perform deep learning with the selected multi-block, and the result is obtained as an efficient block with high feature value by performing recognition on the deep learning model in which the selected multi-block part is learned. To evaluate the performance of the proposed deep learning structure, we used CAS-PEAL face database. Experimental results show that the proposed multi-block deep learning structure shows 2.3% higher face recognition rate than the existing deep learning structure.

본 논문에서는 얼굴 인식률 향상을 위한 멀티 블록 방식의 딥러닝 구조를 제안한다. 제안하는 딥러닝의 인식 구조는 입력된 이미지의 멀티 블록화, 특징 수치 분석을 통한 멀티 블록 선정, 선정된 멀티 블록의 딥러닝 수행 등의 3가지 과정으로 구성된다. 첫 번째로 입력된 이미지의 멀티 블록화는 입력된 이미지를 4등분하여 멀티 블록화 시킨다. 두 번째로 특징 수치분석을 통한 멀티 블록 선정에서는 4등분된 멀티 블록들의 특징 수치를 확인하고 특징이 많이 부각되는 블록만을 선정하여 얼굴 인식에 방해가 되는 요소를 사전에 제거한 블록들을 선정한다. 세 번째로 선정된 멀티 블록으로 딥러닝 수행은 선정된 멀티 블록 부위가 학습되어진 딥러닝 모델에 인식을 수행하여 특징 수치가 높은 효율적인 블록으로 얼굴 인식의 결과를 도출한다. 제안된 딥러닝 구조의 성능을 평가하기 위하여 CAS-PEAL 얼굴 데이터베이스를 사용하여 실험 하였다. 실험 결과, 제안하는 멀티 블록 방식의 딥러닝 구조가 기존의 딥러닝 구조보다 평균 약 2.3% 향상된 얼굴 인식률을 나타내어 그 효용성이 입증됨을 확인하였다.

Fig. 1. The flowchart of proposed multi-block deep learning recognition. 그림 1. 제안하는 멀티 블록 방식의 딥러닝 인식 순서도

Fig. 2. Basic structure of existing face recognition CNN. 그림 2. 기존 얼굴인식 CNN의 기본 구조

Fig. 3. Deep learning training structure of proposed multiblock method. 그림 3. 제안하는 멀티 블록 방식의 딥러닝 학습 구조

Fig. 4. Deep learning recognition structure of proposed multi-block method. 그림 4. 제안하는 멀티 블록 방식의 딥러닝 인식 구조

Fig. 5. Multi-block process of the input image. 그림 5. 입력된 이미지의 멀티 블록화 과정

Fig. 6. Feature Numerical analysis filter. 그림 6. 특징 수치 분석 필터

Fig. 7. Block selection process by feature numerical analysis. 그림 7. 특징 수치 분석을 통한 블록 선정 과정

Fig. 8. Convolution operation process. 그림 8. Convolution 연산 과정

Fig. 9. max sub sampling operation process. 그림 9. max sub sampling 연산 과정

Fig. 10. The process of Fully-connected and Drop out layers. 그림 10. Fully-connected 및 Drop out 층의 과정

Fig. 11. CAS-PEAL database. 그림 11.CAS-PEAL 데이터베이스

Fig. 12. Comparison of face recognition rate of VGGNet and proposed Deep lunning structure. 그림 12. VGGNet과 제안된 딥러닝 구조의 얼굴 인식률 비교 그래프

Table 1. Deep learning structure for full face image. 표 1. 전체 얼굴 이미지용 딥러닝 구조

Table 2. Deep learning structure for two-part image. 표 2. 2등분 이미지용 딥러닝 구조

Table 3. Deep learning structure for quadruple image. 표 3. 4등분 이미지용 딥러닝 구조

Table 4. Comparison of face recognition rate between VGGNet and proposed deep learning structure. 표 4. VGGNet과 제안된 딥러닝 구조의 얼굴 인식률 비교