고양이 두 잔

목차 들어가며얼굴인식 파이프라인에서 임베딩 모델이 주목을 받지만, 실제 서비스에서 정확도가 무너지는 지점은 대개 그 앞 단계다. 카메라가 찍은 이미지에서 얼굴 영역을 찾아내고, 그 얼굴을 정해진 자세와 크기로 맞추는 두 단계가 여기에 해당한다. 이 두 단계를 각각 검출과 정렬이라 부르며, 둘의 출력 품질이 뒤따르는 모든 연산의 상한을 정한다. 이 글은 검출기의 계보와 설계 원리를 정리하고, 랜드마크를 용도별로 구분한 뒤, 정렬이 인식 정확도에 미치는 영향을 수치로 확인한다. 지표 이름은 2부에서 정의한 것을 그대로 쓰며, 파이프라인 위치는 1부의 도식을 기준으로 한다. 마지막에는 랜드마크의 일부가 5부의 입력이 되는 지점을 짚어둔다.인식보다 먼저 실패하는 곳은 검출이다얼굴을 못 찾으면 임베딩은 계산조차 ..

목차 들어가며생체인증 문헌은 약어의 밀도가 유난히 높다. FAR과 FMR처럼 이름이 비슷한데 정의가 다른 지표가 여러 겹으로 쌓여 있다. 같은 약어가 논문과 국제 표준에서 다르게 쓰이는 경우도 있다. 이 글은 그 약어들을 정의하고, 각각이 어느 표준 문서의 몇 판에서 규정되는지를 함께 표시한다. 지표를 나열하기 전에 스코어 분포부터 다루는데, 모든 지표가 결국 그 그림 위의 한 점이거나 한 곡선이기 때문이다. 이 시리즈의 나머지 편은 지표를 언급할 때마다 이 글을 참조점으로 삼는다.지표를 읽기 전에 스코어 분포부터 봐야 한다매칭 결과는 합격과 불합격이 아니라 하나의 실수 스코어다얼굴 매칭기는 두 장의 얼굴을 받아 통과 여부를 직접 내놓지 않는다. 대신 두 임베딩 벡터가 얼마나 닮았는지를 나타내는 실수 하..

목차 들어가며얼굴을 인식하는 기술과 얼굴로 본인을 인증하는 기술은 같은 것이 아니다. 전자는 입력된 얼굴 이미지가 누구의 것인지 판정하는 컴퓨터 비전 태스크다. 후자는 그 판정 결과를 신뢰해도 되는지까지 책임지는 보안 시스템이다. 두 개념을 같은 층위에 놓고 이야기하면 "인식률 99.9퍼센트인데 왜 사진에 뚫리는가"라는 질문에 답할 수 없다. 이 글은 그 층위를 분리하고, 전체 파이프라인의 어느 지점에서 무엇이 무너지는지를 지도로 정리한다. 이후 열 편의 글은 이 지도 위의 각 블록을 하나씩 확대하는 방식으로 진행된다.얼굴인식은 사진 한 장을 걸러내지 못한다임베딩은 "누구인가"에만 답하고 "진짜인가"에는 답하지 않는다현대 얼굴인식 모델은 얼굴 이미지를 임베딩 벡터, 즉 고정 길이의 실수 벡터로 변환한다...