Study on Age Estimation from Facial Images Using a CNN Model

나이 예측 기술은 얼굴 이미지에서 나이 관련 특징을 추출하여 나이를 추론하는 기술로, 보안 시스템, 컴퓨터 비전, 광고 및 마케팅, 바이오메트릭 등 다양한 분야에서 활용되고 있다. 그러나 나이 예측은 조명, 표정, 각도 등의 변화에 영향을 받으며, 심지어 사람도 나이를 정확히 추정하기 어려워 높은 성능을 내기 쉽지 않다. 최근 CNN 기반 딥러닝 모델을 활용한 연구가 활발히 진행되면서 나이 예측의 정확도와 효율성이 향상되었으나, 모델이 깊어질수록 연산량이 증가하여 모바일 및 엣지 디바이스 환경에서 실시간으로 적용하기 어렵다. 따라서 나이 예측 모델은 성능을 유지하면서 경량화하는 것이 중요하다. 본 논문에서는 정확도와 연산 효율성을 고려한 경량화된 CNN 기반 나이 예측 모델을 제안한다. UTKFace와 ALL-AGE-FACE 데이터 세트를 병합하여 학습을 진행하고, 데이터 증강기법을 적용하여 모델의 일반화 성능을 높였다. 또한, EfficientNetB1, MobileNetV2, InceptionV3, VGG16, ResNet50 다섯 가지 사전 학습된 모델과 MAE, MSE, RMSE 지표와 파라미터 개수를 비교하여 모델의 성능과 경량화 정도를 평가한다. 이를 통해, 제안된 모델이 안정적인 예측 성능을 유지하면서 다양한 환경에서 실시간 적용 가능성이 있음을 확인하였다.