Edge Attention Residual Network for Gender and Age Estimation on Blurred Facial Images
Hanbi Kim, E. J. Ko, Sunghyun Kwak, Ji–Hyun Lee, Chanhyuk Lee, Wongyeom Seo · Journal of Intelligence and Information Systems · 2025
최근 얼굴 기반 속성 인식 기술은 보안, 헬스케어, 마케팅 등 다양한 분야에서 폭넓게 활용되고 있으며, 대부분 고해상도 및 선명한 얼굴 이미지를 기반으로 높은 성능을 보이고 있다. 그러나 실제 환경에서는 블러, 저해상도, 움직임, 초점 불일치, 개인정보 보호를 위한 비식별화 처리 등으로 인해 이미지 품질이 저하되는 경우가 많으며, 이로 인해 기존 모델의 일반화 성능은 크게 저하된다. 본 연구에서는 이러한 현실적인 제약 조건에서도 성능 저하를 최소화할 수 있도록, 엣지 정보의 손실을 보완하는 새로운 네트워크 구조인 Edge Attention Module을 제안한다. 제안된 모델은 입력 이미지로부터 엣지 맵을 추출하여, 이를 Residual Block 내부에서 어텐션 맵으로 활용함으로써, 블러 환경에서도 중요한 얼굴 특징을 효과적으로 포착할 수 있도록 설계되었다. UTKFace 데이터셋을 활용한 실험 결과, 기존 VGGFace, RetinaFace, ResNet18 등의 모델과 비교하여 블러 처리된 이미지에 대한 나이 및 성별 예측 정확도에서 우수한 성능을 입증하였다. 특히, 제안한 모델은 일반적인 CNN 구조보다 더 높은 F1-score 및 R2 값을 기록하였으며, 이는 다양한 블러 환경에서도 강건한 얼굴 속성 인식이 가능함을 시사한다. 본 연구는 향후 개인정보 보호 환경에서도 활용 가능한 얼굴 인식 기술의 확장 가능성을 제시한다.