연구 및 출판물

RetinaFace

실환경에서의 단일 단계 고밀도 얼굴 위치 추정

RetinaFace는 정확한 얼굴 검출과 신뢰성 있는 다섯 점 랜드마크 위치 추정을 결합하여, 인식·정렬 중심의 파이프라인에서 실용적인 프런트엔드 역할을 합니다.

논문 정보

RetinaFace: Single-stage Dense Face Localisation in the Wild

게재 정보

CVPR 2020

저자

Jiankang Deng, Jia Guo, Yuxiang Zhou, Jinke Yu, Irene Kotsia, Stefanos Zafeiriou

논문 보기

연구 개요

RetinaFace는 실제 장면에서 검출하기 어려운 얼굴에 집중하면서, 후속 정렬 품질을 높여 주는 랜드마크도 함께 출력합니다. 이 조합은 검출 벤치마크뿐 아니라, 일관된 크롭과 자세 정규화에 인식 정확도가 좌우되는 엔터프라이즈 시스템에서도 유용합니다.

프로덕션 활용 사례

인식 전 단계의 얼굴 검출과 정렬
실시간 영상 분석과 출입 게이트 카메라
이미지 적재, 크롭, 인물 사진 정규화
안정적인 랜드마크 추정이 필요한 모바일 캡처 흐름

코드 예시

buffalo_l로 얼굴 검출과 랜드마크 실행

buffalo_l를 사용해 이미지 속 모든 얼굴을 검출하고, 후속 정렬에 필요한 각 바운딩 박스와 5점 랜드마크를 출력합니다.

demo.py

1import cv2
2from insightface.app import FaceAnalysis
3
4app = FaceAnalysis(name="buffalo_l")
5app.prepare(ctx_id=0, det_size=(640, 640))
6
7img = cv2.imread("group_photo.jpg")
8if img is None:
9    raise FileNotFoundError("input image not found")
10
11faces = app.get(img)
12
13for index, face in enumerate(faces):
14    bbox = face.bbox.astype(int).tolist()
15    kps = face.kps.astype(int).tolist()
16    print(f"face {index}: bbox={bbox}")
17    print(f"face {index}: keypoints={kps}")

핵심 기여

단일 단계 검출기에서 얼굴 박스와 다섯 점 랜드마크를 동시에 예측하여 파이프라인 복잡도를 줄입니다.

고밀도 슈퍼비전과 컨텍스트 인식 설계로 작은 얼굴, 가림, 흐림, 측면 얼굴에 대한 견고함을 향상시킵니다.

인식, 품질 평가, 영상 분석 워크플로에 신뢰할 수 있는 정렬 신호를 제공합니다.

비즈니스 문의

비즈니스 요구사항을 상담해 보세요

모델 라이선스, 엔터프라이즈 배포 지원, 맞춤형 AI 개발, 전략적 파트너십 관련 문의는 InsightFace로 연락해 주세요.

비즈니스 이메일 주소에서의 문의만 접수합니다.

이메일로 문의 GitHub에서 탐색