기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
얼굴 감지 및 얼굴 비교 개요
Amazon Rekognition을 사용하면 얼굴이 포함된 이미지에 대한 두 가지 기본 기계 학습 애플리케이션인 얼굴 감지 및 얼굴 비교에 액세스할 수 있습니다. 얼굴 분석 및 ID 확인과 같은 중요한 기능을 강화하여 보안부터 개인 사진 조직에 이르기까지 다양한 애플리케이션에 필수적입니다.
얼굴 인식
얼굴 감지 시스템은 ‘이 사진에 얼굴이 있는가?’라는 질문을 해결합니다. 얼굴 감지의 주요 측면은 다음과 같습니다.
-
위치 및 방향: 이미지 또는 비디오 프레임에서 얼굴의 존재 유무, 위치, 크기 및 방향을 결정합니다.
-
얼굴 속성: 성별, 연령 또는 수염과 같은 속성에 관계없이 얼굴을 감지합니다.
-
추가 정보: 얼굴 가려짐 및 시선 방향에 대한 세부 정보를 제공합니다.
얼굴 비교
얼굴 비교 시스템은 ‘한 이미지 안의 얼굴이 다른 이미지의 얼굴과 일치하는가?’라는 질문에 초점을 둡니다. 얼굴 비교 시스템 기능은 다음과 같습니다.
-
얼굴 일치 예측: 이미지의 얼굴을 제공된 데이터베이스의 얼굴과 비교하여 일치를 예측합니다.
-
얼굴 속성 처리: 표정, 수염, 연령에 관계없이 얼굴을 비교할 수 있도록 속성을 처리합니다.
신뢰도 점수 및 감지 누락
얼굴 감지 및 얼굴 비교 시스템 모두 신뢰도 점수를 활용합니다. 신뢰도 점수는 얼굴의 존재 또는 얼굴 간 일치와 같은 예측 가능성을 나타냅니다. 점수가 높을수록 가능성이 높음을 나타냅니다. 예를 들어 90% 신뢰도는 60%보다 정확한 감지 또는 일치 확률이 높음을 의미합니다.
얼굴 감지 시스템이 적절하게 얼굴을 감지하지 못하거나 실제 얼굴에 대해 낮은 신뢰도의 예측을 제공할 경우 이를 감지 누락/미검이라고 합니다. 시스템이 높은 신뢰도에서 얼굴의 존재를 잘못 예측할 경우 이를 오경보/오탐이라고 합니다.
마찬가지로, 얼굴 비교 시스템이 같은 사람의 두 얼굴을 일치시키지 못할 수 있으며(감지 누락/미검) 다른 사람의 두 얼굴을 같은 사람이라고 잘못 예측할 수 있습니다(오경보/오탐).
애플리케이션 설계 및 임곗값 설정
-
결과를 반환하는 데 필요한 최소 신뢰도 수준을 지정하는 임곗값을 설정할 수 있습니다. 적절한 신뢰도 임곗값을 선택하는 것은 시스템 출력에 기반한 애플리케이션 설계 및 의사 결정에 필수적입니다.
-
선택한 신뢰도 수준은 사용 사례를 반영해야 합니다. 사용 사례 및 신뢰도 임곗값의 몇 가지 예:
-
-
사진 애플리케이션: 사진에서 가족을 식별하는 데는 낮은 임곗값(예: 80%)으로도 충분할 수 있습니다.
-
고위험 시나리오: 보안 애플리케이션과 같이 감지 누락 또는 오경보의 위험이 더 높은 사용 사례에서는 시스템이 더 높은 신뢰도를 사용해야 합니다. 이러한 경우 정확한 얼굴 일치를 위해 더 높은 임곗값(예: 99%)이 권장됩니다.
-
신뢰도 임곗값 설정 및 이해에 대한 자세한 내용은 컬렉션에서 얼굴 검색 섹션을 참조하세요.
