얼굴 인식은 대표적인 인공지능 애플리케이션의 하나로 다양한 분야에서 다양한 목적으로 사용되고 있다. 얼굴 인식을 위해서는 먼저 얼굴 영역을 추출해야 하지만, 추출하는 영역이 항상 같은 크기와 종횡비를 갖지 않으므로 사 용하고자 하는 알고리즘에 맞게 얼굴 영역 크기를 조절해야 한다. 이 논문에서는 다양한 크기와 다양한 종횡비를 갖 는 얼굴 영역을 정규화하는 방법을 비교해 본다. 정규화 방법으로는 와핑, 제로 패딩, 컨텍스트 패딩, 에지 패딩 등 4 종류를 사용하였고 실험 결과 배경 추가나 얼굴 가장자리 반복 없이 실제 종횡비를 유지하는 제로 패딩이 가장 좋은 결과를 보여주었다. 사용하는 알고리즘에 따라 정규화 방법의 영향 정도는 달라질 수 있지만, 경량의 인공지능 알고 리즘에 대한 요구가 증가하고 있으므로 적절한 정규화 방법은 시스템 신뢰도에 영향을 줄 수 있을 것으로 판단된다.
Building similarity graph...
Analyzing shared references across papers
Loading...
Gyeongyong Heo
Heejeong Joo
Seunghyeon Cha
The Journal of the Korean Institute of Information and Communication Engineering
Building similarity graph...
Analyzing shared references across papers
Loading...
Heo et al. (Tue,) studied this question.
www.synapsesocial.com/papers/69d892d16c1944d70ce03fff — DOI: https://doi.org/10.6109/jkiice.2026.30.3.446
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: