딥러닝 기반 레이더 얼굴 인식 시스템 'FARE' 등장: 99% 이상 정확도 달성!
Sabri Mustafa Kahya 등 연구진이 개발한 딥러닝 기반 레이더 얼굴 인식 시스템 'FARE'는 99.30%의 ID 분류 정확도와 96.91%의 OOD 감지 AUROC를 기록하며 레이더 기반 얼굴 인식 기술의 새로운 가능성을 제시했습니다. 60GHz FMCW 레이더와 이중 학습 단계를 활용한 FARE는 향후 보안 및 감시 시스템 분야에 혁신적인 변화를 가져올 것으로 기대됩니다.

60GHz FMCW 레이더로 얼굴 인식의 새 지평을 열다: FARE 시스템
최근 Sabri Mustafa Kahya, Boran Hamdi Sivrikaya, Muhammet Sami Yavuz, 그리고 Eckehard Steinbach 박사가 주도한 연구에서, 단거리 FMCW 레이더를 이용한 얼굴 인식 및 이상치 감지(OOD)를 위한 혁신적인 딥러닝 기반 프레임워크인 'FARE'가 발표되었습니다.
FARE는 기존 시스템과 차별화되는 독특한 파이프라인을 자랑합니다. 주 경로(PP)는 ID(In-distribution) 얼굴 분류를 담당하고, 중간 경로(IP)는 OOD(Out-of-distribution) 감지를 전담합니다. 이러한 구조는 범용성과 특화된 감지 능력을 동시에 제공하는 핵심입니다.
FARE의 학습 과정은 크게 두 단계로 나뉩니다. 첫 번째 단계에서는 삼중항 손실(triplet loss)을 이용하여 주 경로(PP)를 학습시켜 ID 얼굴 분류의 정확도를 높입니다. 두 번째 단계에서는 주 경로(PP)를 고정하고, 간단한 선형 오토인코더 네트워크로 구성된 중간 경로(IP)를 학습시켜 OOD 감지 성능을 최적화합니다. 이러한 이중 학습 전략은 ID 분류와 OOD 감지 성능을 모두 극대화하는 데 효과적입니다.
60GHz FMCW 레이더를 이용한 자체 데이터셋을 통해 실험한 결과, FARE는 놀라운 99.30%의 ID 얼굴 분류 정확도와 96.91%의 OOD 감지 AUROC(Area Under the Receiver Operating Characteristic curve) 를 달성했습니다. 이는 기존 기술을 압도하는 성능으로, 레이더 기반 얼굴 인식 분야의 새로운 기준을 제시하는 쾌거입니다.
시사점: FARE의 성공은 레이더 기술이 생체 인식 시스템의 한계를 극복하고 새로운 가능성을 제시할 수 있음을 보여줍니다. 특히, 조명이나 각도에 영향을 받지 않고 안정적인 성능을 제공할 수 있다는 점에서 보안 및 감시 시스템 분야에 혁신적인 변화를 가져올 것으로 예상됩니다. 하지만, 실제 환경 적용을 위해서는 더욱 다양한 데이터셋을 통한 추가 연구가 필요하며, 프라이버시 문제에 대한 고려도 중요합니다.
Reference
[arxiv] FARE: A Deep Learning-Based Framework for Radar-based Face Recognition and Out-of-distribution Detection
Published: (Updated: )
Author: Sabri Mustafa Kahya, Boran Hamdi Sivrikaya, Muhammet Sami Yavuz, Eckehard Steinbach
http://arxiv.org/abs/2501.08440v1