여러 카메라를 통하여 같은 개체를 정합하는것을 목적으로 하는 사람재식별은 동영상감시에 널리 응용할수 있는것으로 하여 최근 년간 주목을 끌고있으며 이 기술은 위험성검출과 행동판단 등 여러 응용분야의 기초로 된다.
연구조에서는 사람재식별의 국부최량값문제를 해결하기 위하여 완전3자관계에 기초한 혼합거리최대화에 의한 새로운 신경망학습 혹은 심층특징학습방법에 대한 연구를 진행하였다. 전통적인 3자손실과는 달리 우리의 목적함수는 3자내의 거리와 함께 3자들사이의 거리들도 동시에 고려하도록 설계되였다.
우선 사람재식별을 위한 3자내거리를 최대화하기 위하여 국부목적함수를 정의하였다. 이 함수의 최대화는 정합쌍들의 거리를 더 감소시키고 비정합쌍들의 거리는 더 증가시키도록 한다.
또한 3자들사이거리를 고려하기 위하여 대역목적함수를 내놓았다. 대역목적함수는 3자사이거리에 의하여 정의되였다. 이 함수는 서로 다른 3자들이 특징공간에서 더 가까워지도록 한다.
끝으로 3자들의 정보를 최대한 활용하기 위하여 두 거리를 결합한 일명 완전3자관계에 기초한 혼합거리에 기초하여 주목적함수를 정의하였다.
연구조에서는 여러 공개성능검사자료모임들에서 제안된 방법의 우수한 성능을 검증하였으며 공개자료모임 즉 VIPeR와 ETHZ자료모임에 대한 실험결과분석을 진행하였다.
결과 제안된 완전3자관계에 기초한 혼합거리최대화에 의한 심층학습구조가 사람재식별에 적용할수 있으며 목적하는 성능을 발휘할수 있다는것을 보여주었다.
연구결과는 잡지 《Multimedia Tools and Applications》(2024)에 《Deep learning with full-triple relation for person re-identification》(https://doi.org/10.1007/s11042-024-20550-y)의 제목으로 발표되였다.
