메인 콘텐츠로 바로가기

더 나은 얼굴 인식 클러스터

목적

이 가이드는 대형 이미지 라이브러리를 사용하는 시스템에서 얼굴 인식을 최적화하는 방법을 설명합니다. 이러한 단계를 따르면 얼굴 클러스터링이 개선되어 수동 병합 필요성이 줄어듭니다.


중요한 사항

  • 최적화 대상: 대규모 이미지 라이브러리가 이미지 다수를 가져온 후에 사용.
  • 경고: 이 방법은 이전에 할당된 모든 이름을 삭제합니다.
  • 팁: 진행하기 전에 항상 백업을 가져가세요!

단계별 지침

목표

얼굴 클러스터링을 개선하고 모델이 초기 데이터 품질을 사용하여 효과적으로 얼굴을 식별하도록 보장합니다.


단계

1. 머신 러닝 설정 조정

다음으로 이동합니다:
관리자 → 관리 → 설정 → 머신 러닝 설정

다음 변경 사항을 적용하세요:

  • 최대 인식 거리 (선택 사항):
    라이브러리에 유사한 얼굴 특징을 가진 사람들이 포함된 경우 이 값을 낮게 설정합니다. 예: 0.4.
  • 최소 인식 얼굴 수:
    이를 높은 값으로 설정합니다 (예: 이미지가 많은 라이브러리(~100K+)는 20, 이미지가 중간 정도인 라이브러리(~40K+)는 10).

    높은 값은 클러스터가 라이브러리에서 적어도 20/번 이상 나타나는 얼굴만 포함하여 초기 클러스터링 과정을 개선합니다.


2. 리셋 작업 실행

다음으로 이동합니다:
관리자 → 관리 → 설정 → 작업

다음 작업을 수행합니다:

  1. 얼굴 인식 → 리셋

이러한 리셋 작업은 새 설정을 기반으로 인식 모델을 재구축합니다.


3. 낮은 임계값으로 인식 수정

리셋 작업이 완료되면 다음과 같이 인식을 수정합니다:

  • 1단계:
    머신 러닝 설정에서 최소 인식 얼굴 수로 돌아가 값을 10으로 낮춥니다 (중간 라이브러리는 10에서 5로 감소시킵니다).

    작업 실행: 얼굴 인식 → 누락 모드

  • 2단계:
    값을 다시 3으로 낮춥니다.

    작업 실행: 얼굴 인식 → 누락 모드

다양한 값 시도하기

대형 또는 소형 자산이 있는 특정 라이브러리에서는 다른 설정이 더 좋거나 더 나쁠 수 있습니다. 이름을 할당하기 전에 다양한 값을 시도하고 어떤 설정이 라이브러리에 적합한지 확인하는 것이 좋습니다.