차원축소된 나이다양체에서 성분별 분류능력을 고려한 나이추정방법

경애하는 김정은동지께서는 다음과 같이 말씀하시였다.

《대학에서는 사회주의강국건설에서 나서는 리론실천적, 과학기술적문제들을 원만히 해결하며 기초과학부문을 발전시키고 첨단과학기술분야를 개척하는데 중심을 두고 과학연구사업을 진행하여야 합니다.》

세계적으로 정보기술이 급속히 발전하고 그 응용분야가 확대되는데 따라 콤퓨터화상인식기술에 대한 수요도 더욱 높아지고있다.

콤퓨터화상인식에서 나이추정기술은 콤퓨터가 사람의 얼굴화상의 외적정보를 가지고 그 사람의 나이를 식별해내는 기술로서 현장감시, 정보보안체계 등에 광범히 응용되고있다.

사람의 얼굴화상을 분석하여 나이를 추정하는 방법들은 얼굴정보특징량추출, 나이특징성분분석, 나이결정단계로 진행되며 매 단계들에서 리용되는 방법들이 서로 밀접히 련관되여있다.

우리는 나이추정의 정확성을 높이기 위하여 나이특징공간에서 매 성분들이 나이변화에 미치는 영향을 분석하고 이에 맞게 지지벡토르회귀모형을 나이결정에 적용하는 방법을 제안하였다.

우선 대표적인 차원축소방법인 CEA(Conformal Embedding Analysis)에 의하여 생성된 특징공간에서 매 성분들이 나이분산에 미치는 영향을 분석하였다. 결과 고유값이 클수록 해당 성분이 나이분산에 미치는 영향이 커진다는 결론을 얻게 되였다.

우리는 이에 기초하여 나이회귀에서 적용하는 가우스핵함수의 제곱항에 매 성분들이 나이분산에 미치는 기여률을 반영하여 정의하였다.

이 방법의 효과성을 검증하기 위하여 0~80살에 속하는 남자 5 810명과 녀자 6 028명의 고해상도화상을 학습모임으로, 학습에 참가하지 않은 16살부터 84살사이 남자 5 529명과 녀자 7 764명의 화상을 시험모임으로 하여 나이추정실험을 진행하였다.

CEA사영에 의하여 얻어진 나이특징다양체공간에 SVM, LARR, OHR회귀방법들에 적용해 본 결과 평가지표인 절대오유평균(MAE)에서 높은 성능을 보여주었다(표.1). 표.1에서 WSVM, WOHR, WLARR 는 우리가 제안한 방법을 적용하여 얻은 결과들이다.