딥러닝 용어정리, Classification 과 Authentication 의 차이와 이해
이 글은 제가 공부한것을 정리한 글입니다. 잘못된 내용이 있다면 댓글로 지적 부탁드립니다. 감사합니다.
Classification 과 Authentication 의 차이에 대해 알고 싶은데 검색을 해봐도 도통 마땅한 글이 없어서 정리해봅니다.
Classification
Classification 은 이전에 작성해둔 두 글로 설명을 대신합니다.
딥러닝 객체 검출 용어 정리 Deep learning Object detection terminology
Authentication
Face Recognition 을 통해 Authentication 을 설명하겠습니다.
Classification 과 Authentication 은 각각 Closed-set face recognition 과 Open-set face recognition 문제입니다.
Closed-set face recognition 은 학습 데이터로 이미 내가 알고 있는 사람들의 이미지로 학습한다고 생각할 수 있습니다. 예를들어 얼굴 인식을 통한 보안 시스템을 구축한다고 하면, 학습 데이터로 보안 허가를 받은 사람들(이하 Member)의 이미지를 사용하여 학습합니다. 이 때 새로운 허가자가 Member 에 추가되면 새로운 Member 에 대한 학습이 이루어져야 합니다. 입력 이미지가 현재 Member 중 어느 사람에 속하는지 Classification 하는 문제라고 이해할 수 있습니다. 각각의 Member 가 각각의 Class 가 되는 것입니다. 이 경우 잘 학습된 모델을 만들기 위해 학습데이터를 직접 구축해야합니다.
이러한 두가지 단점을 극복하고자 하는 방법이 Open-set face recognition 입니다. Open-set face recognition 은 다른 연구자들이 잘 구성하여 배포하는 데이터를 이용하여 모델을 학습시킵니다. 이렇게 학습된 모델은 Closed-set face recognition 보다 General 한 Feature extractor 가 됩니다. Closed-set face recognition 은 자사 직원들에 대해서 학습하기 때문에 해봐야 수십명에서 수만명에 대한 학습이 이루어지지만 Open-set face recognition 은 수십만명에 대한 학습을 하기 때문입니다.
Open-set face recognition 은 Member 의 이미지에서 Feature extraction 한 값들을 저장해두고, 새로운 이미지가 입력되었을때 이 이미지를 Feature extraction 하여 그 값을 기존에 저장해둔 값과 비교하여 유사하다면 Member 로 인지하여 통과시키는 것입니다. 새로운 Member 에 대해서 학습할 필요 없이(가중치 변경 없이) Feature extraction 만 하여 데이터 베이스에 저장만 하면 되죠.
이미지 출처:
SphereFace: Deep Hypersphere Embedding for Face Recognition
