양자화가 얼굴 인식 성능에 끼치는 영향 분석

Abstract

얼굴 인식에 적용한 deep convolution neural networks (DCNNs)의 높은 계산 비용을 해결하기 위해 효율적인 네트워크 아키텍처를 적용한 방법들이 등장했지만, 모델에 양자화를 적용하여 얼굴 인식 모델 아키텍처의 계산 비용을 줄이는 방법은 많이 연구되지 않고 있다. 본 논문에서는 DCNN 기반 얼굴 인식 모델인 ArcFace에 quantization-aware training (QAT)을 적용하여 양자화가 얼굴 인식에 끼치는 영향을 알아본다. 얼굴 인식 모델의 특성을 고려하여 두 가지 방법으로 모델에 양자화를 적용하고 각각의 경우에 대해 양자화의 영향을 분석하였다. 또한, 얼굴 인식 데이터 셋의 특성에 따라 양자화가 미치는 영향을 분석하여 양자화 모델뿐만 아니라 데이터의 특성에 따른 영향도 함께 분석하였다.