얼굴 인식 연구의 A-Z를 배우고 싶다면!

초보 연구자를 위한
얼굴인식 연구방법론
CAMP.

  • 얼굴 인식에 필요한
    연구 과정의 A-Z 경험

  • 최신 논문을 바탕으로
    최신 기술 학습

  • 전문가와 함께 ‘실무 적용을
    위한 프로젝트’ 진행

  • 기간

    2018년 12월 15일
    ~ 2019년 2월 16일
    (주 1회, 총 8회 | 12/29, 2/2 휴강)

  • 일정

    매주 토요일
    오후 6시 - 오후 10시
    (회당 4시간,총 32시간)

  • 장소

    강남 패스트캠퍼스 강의장

  • 문의

    강호준 매니저
    02-517-0697
    help-ds
    @fastcampus.co.kr

강의 목표 .

얼굴인식에 필요한 전반적인 지식 및 최신기술 동향 파악하고, 직접 얼굴인식기를 구현해 내는 것.

얼굴인식이란?

얼굴인식 기술은 얼굴을 포함하는 입력 정지 영상 또는 비디오에 대해 얼굴 영역의 자동적인 검출 및 분석을 통해 해당 얼굴이 어떤 인물인지 판별해 내는 기술로 패턴인식 및 컴퓨터 비전 분야에서 오랫동안 연구되어 온 분야입니다.

페이스북에 사진을 업로드할 때 태그를 몇 번 하다가 보면 언젠가부터는 자동으로 태그가 생성되는 것을 볼 수 있습니다. 최초에 태그를 했던 작업을 통해 페이스북의 인공지능 컴퓨터가 해당 사진 속의 인물이 누구인지 학습을 하게 되고, 이러한 학습 결과를 바탕으로 새로운 사진이 업로드될 때 이전에 학습했던 그 인물과 동일한 특징들을 보인다면 자동으로 태그를 생성하는 것이죠.

얼굴인식, 왜 어려울까요?

1. 문제의 복잡도

정지된 영상에 대한 얼굴인식은 4단계을 통해 이뤄집니다.
1단계 : 사진에서 얼굴 찾기.
2단계 : 컴퓨터가 학습할 수 있도록 1단계에서 찾은 얼굴 사진을 수정하기.
3단계 : 2단계의 얼굴 사진에서 얼굴의 특징 추출하기.
4단계 : 3단계에서 추출한 특징을 이용해서 어떤 얼굴인지 예측하기.

위 과정에서 볼 수 있는 것처럼 얼굴인식이라는 것은 여러 단계를 거쳐야 하며, 각 단계에서도 여러 알고리즘을 활용해야하기 때문에 복잡도가 높은 문제입니다. 

2. 데이터 수집의 문제

좋은 성능의 얼굴인식 시스템 구축을 위해서는 컴퓨터에게 학습시킬 많은 양의 이미지 데이터, 즉 사람의 얼굴 사진이 필요합니다. 문제는 아래와 같은 이유로 얼굴 사진을 대량으로 수집하는 것이 어렵다는 것이죠.

1) 개인정보보호법으로 인해 개인의 동의없이는 얼굴 사진을 수집할 수 없다.
2) 수집 과정이 번거롭다. 
(정자세로 촬영해야하고, 최소 5장에서 많게는 25장정도 필요해서 30초 정도 소요되며, 사진마다 레이블링도 해야합니다. 이것은 곧 수집 비용이 비싸다는 것을 의미합니다.)

Extension_icon00

그래서 준비했습니다!

신경망과 같은 기초 이론부터 얼굴인식에 사용되는 전통적인 연구방법론과 딥러닝 기반 연구방법론까지!

얼굴인식에 필요한 A to Z를 체계적으로 배울 수 있는 강의.

강의 특징 . 

1

얼굴 인식에 필요한
연구 과정의 A-Z를
경험합니다.

얼굴인식 연구는 최소 4단계 과정으로 이뤄져 있으며 각 과정에서 수행해야하는 문제의 복잡도가 높습니다. 또한 입문자의 경우 각 단계별로 숙지하고 있어야 할 이론의 양도 많아서 접근 자체가 쉽지 않다고 할 수 있습니다. 본 강의에서는 초보 연구자도 쉽게 얼굴인식 문제에 접근할 수 있도록 전문가와 얼굴인식에 필요한 A-Z를 체계적으로 배울 수 있습니다.

2

최신 논문을
바탕으로 가장 최신의
기술을 배웁니다.

본 강의에서는 최신 논문(Deep Face Recognition: A Survey / 2018년 6월)을 바탕으로 일반적인 딥러닝 기반 얼굴인식 알고리즘뿐만 아니라 가장 최신의 기술까지도 배울 수 있습니다.

3

수강생이 직접
얼굴인식기 구현
프로젝트를 진행합니다.

수강생이 직접 데이터를 수집하고 전처리하여 얼굴인식기를 만들어보는 프로젝트를 경험해볼 수 있는 국내 유일의 강의입니다. 전반적인 영상인식에 대한 모든 이론을 다루는 것이 아니라 영상인식 중에서도 ‘얼굴인식’이라는 하나의 분야에 집중함으로써 실습 시간을 충분히 확보하였습니다.

커리큘럼 .

1주차 : 딥러닝의 기본 개념 및 딥러닝 기반의 얼굴 인식 시스템 개요

목표

딥러닝의 기본개념과 얼굴인식 시스템의 기본 구조에 대해 학습합니다.

세부 내용

✔ 전반적인 강의 오버뷰
✔ 패턴인식 소개
✔  얼굴 인식 소개
➫ 얼굴인식의 역사

✔ eigenface, fisherface, feature, deep learning 기반
✔ 얼굴인식 실제 사례 소개
➫기존의 얼굴 인식 시스템과 딥러닝 기반의 얼굴 인식 시스템 비교
– 얼굴 검출
– 얼굴 랜드마크 검출
– 얼굴 인식 모듈

✔딥러닝의 기본 개념
➫기본 신경망
➫CNN의 기초

키워드

face recognition, motivation, CNN, image classification, object detection

2주차 : 얼굴 인식 시스템

목표

얼굴 인식 시스템을 구축하는 방법에 대한 이론과 배경 지식을 배워봅니다.

세부 내용

✔ 얼굴 인식 시스템의 이론적인 배경
➫ 얼굴 검출
– Viola/Jones 검출기
– LGP/BHOG기반
– 딥러닝 기반 (RPN-based, sliding window-based, single-shot box-based)

➫ 얼굴 랜드마크 검출
– 그래픽 모델 기반
– cascaded 모델 기반
– 딥러닝 기반

➫ 얼굴 인식 모듈
– One to Many Face Data Augmentation
– Many to One Face Data Normalization
– 백본 네트워크

➫ 멀티 로스 네트워크
➫ 손실 함수
– Euclidean distance
– angular/cosine-margin-based loss
– softmax loss

키워드

background knowledge of face detection, face landmark, FR Module

3~4주차 : 딥러닝 기반 얼굴 인식 시스템 연구동향

목표

얼굴 인식 및 관련 연구에 관한 최근의 연구 동향을 파악합니다.

세부 내용

✔ 얼굴 인식에 관한 최근 연구 동향
✔ 얼굴 검출 모델링 방법
✔ 얼굴 랜드마크 특징점 추출방법
✔ 얼굴 랜드마크 모델링 방법
✔ 기존 얼굴 인식 모델링 및 딥러닝 기반 얼굴 인식 모델링 방법
✔ 얼굴 검출 데이터셋, 얼굴 인식 데이터셋

키워드

research trend, face detection modeling, face recognition modeling, backboarn network analysis

5주차 : 얼굴 검출 시스템 구현

목표

전통적인 컴퓨터 비전뿐만 아니라 딥러닝을 기반으로하는 얼굴검출 시스템을 구현합니다. FDDB와 같은 얼굴 검출 데이터 세트를 사용하는 방법도 배워봅니다.

세부 내용

✔ 기존의 얼굴 검출 시스템과 딥러닝 기반 얼굴 검출 시스템 비교
✔ 얼굴 검출 모델링
➫ 학습 데이터 수집
➫ 얼굴 검출 네트워크를 학습하고 테스트하는 방법
✔ 얼굴 랜드마크 모델링
➫ 학습 데이터 수집
➫ 얼굴 랜드마크 네트워크를 학습하고 테스트하는 방법

키워드

face alignment, face landmark, train and test network, FDDB

6주차 : 임베딩과 하이브리드 모델링 기반의 얼굴 인식 시스템 구현

목표

얼굴 임베딩을 추출하고 하이브리드 모델링을 기반으로 얼굴 인식을 하는 방법을 알아봅니다.

세부 내용

✔ 얼굴 인식을 위한 딥 메트릭 학습 설명
✔ tripleNet 기반의 얼굴 인식 네트워크 학습 방법
✔ 하이브리드 모델링 기반의 얼굴 인식 네트워크 구현
✔ KNN과 SVM 분류기를 사용한 얼굴 특징점 추출

키워드

KNN, SVM, model ensemble, deep metric learning, tripleNet, deep feature

7주차 : 본 연구에서 제안하는 얼굴 인식 네트워크의 이론적 배경 설명 및 네트워크 구현

목표

제안하는 얼굴 인식 네트워크의 이론적인 배경에 대해 배우고 본 연구에서 제안하는 얼굴인식 네트워크를 직접 구현해봅니다.

세부 내용

✔ 본 연구에서 제안하는 얼굴 인식 네트워크의 이론적인 배경 설명
✔ 본 연구에서 제안하는 얼굴 인식 네트워크 구현
✔ 프로젝트 설명
✔ 프로젝트에 사용할 custom dataset 만드는 방법 설명

키워드

custom dataset, hog, linearSVM, performance tradeoff

8주차 : 기존 얼굴 인식 시스템과 본 연구에서 제안하는 얼굴 인식 시스템의 비교 및 분석

목표

본 연구에서 제안하는 얼굴 인식 시스템의 장점과 단점을 설명하고 본 연구에서 제안하는 얼굴인식 프레임워크가 기존 시스템보다 더 나은지를 비교하고 분석해봅니다.

세부 내용

✔ 속도와 정확성 측면에서 제안하는 얼굴 인식 시스템과 기존 얼굴 인식 시스템을 비교
✔ 모바일 기기 및 CCTV 감시 시스템과 같은 실제 응용 분야에서 얼굴 인식의 어려움과 문제점에 대해 토론
✔ 향후연구

키워드

implementation details, real-world applications, CCTV surveillance system, difficulties and future work

실습 관련 안내.

– 본 과정은 주로 TensorFlow를 사용합니다.
– 1~4주차의 경우 일부 Keras로 다뤄질 수 있습니다. 단 예제 코드이므로 미리 공부하실 필요는 없습니다.
– 5~8주차의 경우 이미지 전처리 관련하여 일부 OpenCV 사용 예정입니다. 이 경우에도 Python을 사용할 예정이므로 미리 공부하실 필요는 없습니다.

추천 대상 .

icon_man3_2_happy

얼굴인식과 같은 컴퓨터 비전 및
패턴인식 문제에 관심이 있는
연구자 혹은 실무자

 

 

icon_woman1_2_happy

5년 정도의 대학원 과정을
3개월 동안 압축적으로
경험하고 싶은 실무자

icon_man4_2_happy

학사 출신 실무자로서
연구 경험을 필요로 하는
개발자

강사 소개 .

강사사진_고승현

고승현 강사님

현재 인하대학교 컴퓨터공학 학과에서 AI 및 컴퓨터 비전 전공으로 박사 과정에 재학 중입니다. 딥러닝 기반의 얼굴인식에 필요한 기본적인 구성요소들을 하나하나 설명하고 이를 이용한 얼굴 인식 기술의 역사 및 기존 기술을 개선하기 위한 방법론을 강의합니다.

[약력]
– 現 인하대학교 컴퓨터공학과 박사과정
– 2016년 한국정보처리학회 우수논문상 수상
– 2017년 한국정보과학회 한국컴퓨터종합학술대회 우수논문상 2편 수상

얼굴 인식 연구의 A-Z를 배우고 싶다면!

초보 연구자를 위한 얼굴인식 연구방법론 CAMP

일    정 2018.12.15.~ 2019.2.16. | 주 1회, 총 8회
매주 토요일 오후 18:00 ~ 22:00
준비물 개인 노트북 사용 추천
(본인 PC에 맞는 개발 환경 설정 및 원활한 개별 실습을 위하여)
장    소 강남역 부근 패스트캠퍼스 강의장
문    의 강호준 매니저 : 02-517-0697 | help-ds@fastcampus.co.kr
메일로 문의 주실 경우 자세한 상담을 원하신다면 휴대폰 번호, 상담가능 시간을 남겨주세요:)

정가 : 90만원

※ 본 강의는 조기마감 되었습니다.
※ 출시알림을 신청하시면 다음기수 모집시 가장 먼저 안내해 드립니다.

출시 알림

강의장 안내