대표 메모리와 주기적 동결 전략을 활용한 신규 클래스 추가를 위한 새로운 기법

Abstract

최근 딥러닝 기반 얼굴 식별 기술의 성능이 크게 향상됨에 따라, 해당 기술은 기업 출입 시스템, 개인 디바이스 등 다양한 분야에 활용되고 있다. 그러나 새로운 사용자가 추가될 때마다 전체 데이터를 재학습하면 시간이 과도하게 소요되고, 일부 샘플만으로 학습할 경우 기존 성능이 저하되는 문제가 있다. 본 논문에서는 이러한 문제를 해결하기 위해, 기존 클래스의 특징을 잘 대표하는 샘플을 저장하는 대표 메모리와, 학습 중 일부 계층의 가중치를 고정하는 주기적 동결 전략을 결합한 학습 방식을 제안한다. 실험 결과, 제안 방식은 CPU+GPU 환경에서 신규 클래스가 순차적으로 추가될 때 기존 방식보다 최대 11.57% 빠르게 100% 검증 정확도에 도달했으며, CPU 전용 환경에서는 최대 46.7%의 시간 단축 효과를 보였다.