전통적인 얼굴 인식 방법의 인식 성능이 낮고, 딥러닝 기반 방법이 제약 없는 조건에서 인식하기 어려우며, 얼굴 특징 구분력이 약하고 자세, 표정 등 다양한 요인에 의해 인식 정확도가 쉽게 영향을 받는 문제를 해결하기 위해 컨볼루션 블록 어텐션 모듈을 도입한 쌍둥이 신경망 모델 구조를 제안하였다. 이 구조는 쌍둥이 신경망(Siamese neural network) 기반 프레임워크를 개선한 것으로, 프레임워크 내에 개선된 VGG11_BN 모델을 도입하여 특징을 추출한다. 이 모델은 VGG11 구조에 배치 정규화(Batch Normalization, BN) 기술을 도입하였으며, 원본 모델 구조에 CBAM 혼합 어텐션 메커니즘의 특징 추출 네트워크를 제안하였다. 마지막으로 현재 아시아인 얼굴 인식 훈련 데이터가 부족한 상황을 고려하여 아시아인 얼굴 특징에 더 적합한 CASIA-FaceV5 데이터셋을 사용하여 훈련을 진행하였다. 실험 결과, 본 알고리즘은 얼굴 인식 정확도가 96.67%에 달했으며 CAS-PEAL-R1 얼굴 데이터셋에서 SRGES, VGG11+siamese 알고리즘 대비 각각 6.05%, 6.7% 향상되었다. 본 알고리즘은 다중 요인 영향 하에서도 더 나은 얼굴 인식 검증이 가능하며 안정성이 우수하다.

얼굴 인식; 쌍둥이 신경망; 딥러닝; 어텐션 메커니즘; 안정성