인물 속성 메타데이터를 활용한 인물 인식 성능 개선
Improving Character Recognition by Using Metadata on Personal Attributes
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 얼굴 검출 및 유사도 측정을 통해 인물 인식의 정확도를 높이기 위한 메타데이터 기반 접근법을 제안한다. 인물의 성별, 인종, 모자 착용 여부와 같은 속성 메타데이터를 수집하고제안된 가중치 조정 공식에 의해 딥러닝 모델의 가중치를 조정함으로써 기존 방법의 한계를 극복하고, 다양한 환경에서의 인식 신뢰도를 개선한다. 실험 결과, 제안된 방법은 제한적인 환경에서도 높은 정확도를 보여주었으며, 메타데이터를 통한 가중치 조정이 인물 인식 성능에 유의미한영향을 미친다는 것을 입증하였다. 향후 연구에서는 데이터 다양성을 확대하고, 조명 변화 등 환경적 요인에 강인한 모델을 개발하여 더욱 높은 신뢰성과 일반화를 목표로 할 예정이다.
Abstract
This study proposes a metadata-based approach to enhance the accuracy of character recognition through facial detection and similarity measurement. Collecting attribute metadata such as gender, race, and headwear status, and adjusting the deep learning model’s weights using a proposed weight adjustment formula, overcome the limitations of existing methods and enhance recognition reliability across diverse environments. Experimental results demonstrate that the approach achieves high accuracy even in constrained environments and proves the significance of weight adjustments through metadata in enhancing character recognition performance. Future research will focus on expanding data diversity and developing robust models resistant to environmental factors like lighting changes to achieve greater reliability and generalization.