연구 및 출판물

SCRFD

효율적인 얼굴 검출을 위한 샘플과 연산 재분배

SCRFD는 엣지·모바일·서버 배포 전반에서 엄격한 지연과 연산 예산 하에서도 강력한 얼굴 검출 정확도를 제공하도록 설계되었습니다.

논문 정보

SCRFD: Sample and Computation Redistribution for Efficient Face Detection

게재 정보

ICLR 2022

저자

Jia Guo, Jiankang Deng, Alexandros Lattas, Stefanos Zafeiriou

논문 보기

연구 개요

SCRFD는 학습 시 강조와 모델 연산을 모두 재분배하여 가장 중요한 곳에 예산을 집중함으로써 효율을 높입니다. 그 결과 실시간 또는 엣지 추론이 필요한 운영 시스템에 적합한, 정확도와 처리량의 균형이 좋은 검출기 패밀리가 만들어집니다.

프로덕션 활용 사례

엣지 카메라, 키오스크, 스마트 단말
모바일 AI 앱을 위한 온디바이스 얼굴 검출
고처리량 비디오 전처리 파이프라인
인식 또는 라이브니스 분석 전 단계의 서버 측 얼굴 위치 추정

코드 예시

buffalo_l로 SCRFD 검출 결과 확인

buffalo_l를 로드하고 혼잡한 이미지에서 검출을 실행한 뒤, 프로덕션 파이프라인에서 사용하는 얼굴 박스와 키포인트를 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("crowd.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

단순히 모델 크기를 키우는 대신 샘플과 연산을 재분배하여 정확도-속도 트레이드오프를 개선합니다.

다양한 배포 단계의 옵션을 제공하여 모바일, 임베디드, 데스크톱, 서버 제약에 맞는 검출기를 선택할 수 있게 합니다.

WIDER FACE에서 강력한 성능을 유지하면서도 실시간 추론 파이프라인에 충분히 실용적입니다.

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