인프런 커뮤니티 질문&답변
작성한 질문수
선명한 화질 이미지 데이터
해결된 질문
작성
·
103
0
강의 중간, 선명한 화질의 이미지 데이터들을 트레인 했기 때문에, 잘려나온 얼굴을 디텍트 하지 못한 것에 대해서 아쉽다고 하셨는데요. 그렇다면 선명하지 못한 화질들도 같이 훈련셋에 포함시켜주는 것이 좋은가요?
아니면 같이 포함시켰다가는, 오히려 face라는 개체에 대한 정의가 불명확해져서 이도 저도 아닌 것이 되나요?
답변 1
1
권 철민
지식공유자
안녕하십니까,
아, 그런 의미 보다는, 디텍트하지 못한 얼굴들을 보면 눈,코, 입 등의 구분이 없고, 거의 얼굴 형태만 있는 경우가 대부분입니다. 따라서 선명한 화질의 이미지로 학습된 모델에서 얼굴을 디텍트하는데 스코어가 낮게 나올 가능성이 많습니다. 스코어가 0.4 보다 훨씬 낫다면 검출될 확률이 높을 것입니다.
만약에 선명하지 못한 이미지가 주로 있었다면 스코어가 0.4 정도여도 얼굴 형태만 있어도 검출이 되었을거라는 생각에서 말씀드린 것이었습니다.
보통은 훈련 데이터에 선명한 데이터만 넣어주는게 일반적입니다. 그리고 얼굴 형태만 있는 경우를 검출하려면 스코어 기준을 보다 낮춰서 검출합니다. 하지만 말씀해 주신대로 좀 더 선명하지 못한 화질을 넣어서 중간 중간에 섞어서 학습을 하는 것도 하나의 방법일 수 있겠다는 생각은 듭니다. 문제는 선명하지 못한 화질로 학습을 할 경우 얼굴을 헷갈릴 확률이 생겨서 (가령 얼굴 바위를 얼굴로 착각) 정확도가 떨어질 수 있습니다.
말씀해 주신 부분은 한번 테스트를 수행해서 확인해볼 필요는 있을 것 같습니다.
감사합니다.