#AI
얼굴 인식의 역사와 페이스페이의 미래
01
Summary
손 하나 까딱 않고 결제까지, 60년간의 얼굴 인식 기술 집대성
비밀 연구실의 수학적 계산에서 인간을 초월한 99.6% 정확도의 AI 시스템으로
이 아티클은 1960년대 우드로 윌슨 블레드소의 수동 인식 연구부터 현대 딥러닝 기반의 안면 인식 혁신에 이르기까지 기술의 진화 과정을 입체적으로 다룹니다. 단순한 역사 나열을 넘어 Eigenface, LBP, DeepFace 등 기술적 변곡점이 된 핵심 알고리즘의 원리와 배경을 상세히 설명합니다.
- 011960년대 사진에 수동으로 좌표를 찍던 원시적 시스템에서 시작된 기술의 기원
- 02수백 장의 얼굴 사진을 통계적으로 분석해 '알파벳'처럼 조합하는 Eigenface 혁명
- 03조명 문제를 해결하기 위해 픽셀 간 밝기를 비교하는 LBP(Local Binary Pattern) 도입
- 04페이스북의 DeepFace가 달성한 97.35% 정확도와 인간 인식 수준의 정복
- 05Triplet Loss와 ArcFace로 이어진 딥러닝 손실 함수(Loss Function)의 고도화 과정
RECOMMENDATION
안면 인식 기반의 보안 또는 결제 서비스를 준비하는 엔지니어와 컴퓨터 비전의 역사적 흐름을 파악하고 싶은 개발자에게 강력히 추천합니다.
The Problem
초기 얼굴 인식 기술은 사람이 직접 특징점 좌표를 입력해야 하는 수동적인 방식이었으며, 조명 변화나 각도 등 복잡한 실외 환경에서 인식 성능이 급격히 저하되는 한계가 있었다.
The Solution
통계적 분석을 통한 고유얼굴(Eigenface) 방식과 픽셀 질감을 분석하는 LBP 기술을 거쳐, 대규모 데이터를 스스로 학습하는 심층 신경망(DeepFace)과 Triplet Loss 등을 활용한 딥러닝 아키텍처를 도입했다.
The Result
LFW 벤치마크 데이터셋에서 99.63%의 정확도를 기록하며 인간의 인식 수준을 넘어섰으며, 현재는 편의점 등 오프라인 매장에서 비접촉 결제 서비스인 페이스페이로 상용화되는 성과를 거두었다.
Trade-off
초기 특징점 기반 방식은 계산량은 적으나 환경 변화에 매우 취약했으며, 현대의 딥러닝 방식은 압도적인 정확도를 보장하지만 수백만 장의 대규모 학습 데이터와 고성능 연산 자원이 필수적으로 요구된다.
03
Key Concepts
Continue reading · same source
More from 토스
View all posts from 토스
1%가 겪은 버그 고쳐야할까요?
HotfixProgressive DeliveryQA Platform1일 전
토스증권 추천과 검색은 어떻게 진화하고 있을까?
Vector DatabaseRAGEmbedding Model4일 전
LLM 서빙, 띄우는 것과 잘 띄우는 것 사이
LLM ServingvLLMObservability1주 전
전체 데이터를 브라우저에 두는 광고 대시보드 만들기
State ManagementPerformance OptimizationAPI Design1주 전
토스는 어떻게 광고 속에 게임을 넣었을까
MRAIDWebViewJS Bridge1주 전
