Homsh의 획기적인 돌파구: ViT+ArcFace
홍채 인식 정확도, 세계 최고 수준 달성
동등 오류율(EER) 0.29% 및 이론적 한계에 근접한 ROC AUC —
Vision Transformer로 홍채 인식의 경계를 재정의했습니다.
▲ Vision Transformer, 홍채 특징 추출의 근본적인 패러다임을 재정의하다
I. 이번에는 단순한 발전이 아닙니다 — 패러다임의 전환입니다
20년간 홍채 인식 분야에 종사한 엔지니어에게 "지금까지 해결한 가장 어려운 문제는 무엇입니까?"라고 묻는다면
그는 잠시 멈춘 후 이렇게 말할 것입니다: "고무 시트(Rubber Sheet)입니다."
1993년 John Daugman이 IrisCode 알고리즘을 제안한 이후, "고무 시트 펼치기" 과정은 전 세계 홍채 인식 시스템의 DNA에 새겨진 주문과 같았습니다. 원형 홍채를 직사각형 이미지로 펼친 다음 Gabor 필터를 사용하여 텍스처를 추출하는 이 워크플로우는 30년 동안 사용되었으며 아무도 의문을 제기하지 않았습니다.
우리가 그것을 버리기로 결정하기 전까지는 말입니다.
II. 고무 시트는 왜 작동하지 않게 되었는가?
Vision Transformer(ViT)는 지난 3년간 딥러닝 분야에서 가장 눈부신 기술적 돌파구 중 하나입니다. 이미지를 16x16 "패치"로 분할하고, 언어 모델의 셀프 어텐션 메커니즘을 사용하여 이미지의 전역 구조를 이해하며, 수년간 지배적이었던 컨볼루션 신경망(CNN)을 여러 최상위 시각 작업에서 능가합니다.
처음 ViT를 홍채 인식에 적용하려고 했을 때, 초기 결과는 실망스러웠습니다. 동등 오류율(EER)이 4.65%로 예상보다 훨씬 낮았습니다.
팀은 즉시 근본 원인을 파악했습니다. 고무 시트는 64x512 픽셀의 환형 홍채를 직사각형으로 "평탄화"한 다음, ViT에 필요한 224x224 입력으로 크기를 조정합니다. 이는 수직으로 3.5배, 수평으로 2.3배 압축됩니다. 홍채의 자연스러운 방사형/둘레 텍스처 구조가 심각하게 왜곡되어 ViT의 패치 어텐션 메커니즘이 내부 의미를 인식하는 것을 불가능하게 만들었습니다.
즉, 우리는 가장 똑똑한 모델에 잘못된 방식으로 데이터를 공급하고 있었습니다.
해결책은 간단해 보이지만, 관습을 깨는 용기가 필요했습니다. 고무 시트를 버리고 ROI 원형 자르기로 전환했습니다. 홍채 중심을 원점으로 하여 반지름의 2.5배 크기의 정사각형 영역을 잘라내어 홍채의 자연스러운 공간 대칭성을 보존한 다음, 직접 224x224로 크기를 조정하여 ViT에 공급했습니다. 이렇게 하면 각 16x16 패치가 진정하고 왜곡되지 않은 홍채 텍스처를 인식할 수 있습니다.
III. 주요 지표: EER = 0.29%, ROC AUC = 0.9999
이 단일 전처리 단계 변경으로 엄청난 차이가 발생했습니다:
| 솔루션 |
EER |
비고 |
| 1차: ViT + 고무 시트 |
4.65% |
전통적인 워크플로우 |
| 2차: CNN + 고무 시트 |
2.80% |
제한적인 개선을 위한 백본 교체 |
| 3차: ViT + ROI 자르기 |
~0.12%* |
결정적인 돌파구 |
| 최종 버전: ViT-S/16 + ROI + 정규화 |
0.29% |
제품 등급 솔루션 |
*3차 결과는 엄격한 통계적 검증을 거치지 않았으며 낙관적인 편향을 포함합니다.
최종 출시 시스템은 ViT-S/16(22.1M 파라미터) + ArcFace 각도 마진 손실을 채택했으며, 8개의 공개 데이터셋 융합(총 4,480명 / 67,704 이미지)으로 학습되었습니다. 엄격한 통계적 검증 후 결과는 다음과 같습니다:
홍채 인식은 트랜스포머 시대로 진입했으며, Homsh는 출발선에 서 있습니다.● EER = 0.29% (동등 오류율)
● 95% 신뢰 구간: [0.21%, 0.40%] (200회 부트스트랩 재샘플링 라운드)
● ROC AUC = 0.9999 (거의 완벽한 점수)
● 평균 실제 쌍 유사도: 0.8742 (동일 개인에 대한 높은 일관성)
● 평균 위조 쌍 유사도: 0.0450 (다른 개인에 대한 완전한 특징 분리)
● FRR=1%일 때, FAR = 0.00% (높은 보안 운영 지점에서 제로 오인식)
▲ ROC 곡선(AUC=0.9999) 및 실제/위조 점수 분포 — 두 개의 피크가 완전히 분리됨
IV. 학습 데이터: 단순히 크지 않고 다양함
본 연구는 업계에서 가장 어려운 두 가지 시나리오를 포함한 8개의 공개 데이터셋을 융합했습니다:
쌍둥이 데이터(CASIA-Iris-Twins)
200쌍의 쌍둥이 홍채 데이터 — 유전적으로 거의 동일하더라도 홍채 텍스처는 완전히 다릅니다. 이는 알고리즘의 판별력을 검증하는 "궁극적인 테스트"입니다.
가시광선 비구속 시나리오(UBIRIS.v2)
518명의 신원, 11,000개 이상의 이미지, 자연광에서 촬영되었으며 모션 블러, 초점 불량 왜곡, 조명 변화가 포함되어 있습니다. 이는 실제 배포 시나리오에 가장 가까운 데이터셋입니다.
Apple Silicon M2 Ultra(Mac Studio)에서 약 12.3시간(90회 학습 에포크) 동안 학습이 완료되었으며, 최대 추론 지연 시간은 약 35ms(ROI 자르기 및 특징 추출 포함)에 불과합니다.
V. 업계 최고 수준의 작업과 수평 비교
| 방법 |
백본 |
전처리 |
EER |
| Daugman IrisCode |
Gabor |
고무 시트 |
~0.10% (제어된 환경) |
| UniqueNet (2016) |
Siamese CNN |
고무 시트 |
0.18% |
| IrisFormer (2023) |
ViT-B/16 |
고무 시트 |
0.22% |
| PolyIRIS (2021) |
다중 스케일 CNN |
고무 시트 |
(단일 데이터셋) |
| Homsh ViT+ArcFace (본 출시) |
ViT-S/16 |
ROI 자르기 |
0.29% (8개 데이터셋) |
▲ 4.65%에서 0.29% EER까지: 4번의 반복을 통한 기술 진화 경로
VI. 다음 단계
1. 교차 데이터셋 독립 평가
학습에 포함되지 않은 IIT Delhi 데이터셋에 대한 블라인드 테스트를 통해 실제 일반화 능력을 검증합니다.
2. 라이브니스 감지 통합
다중 프레임 플래시 응답 또는 텍스처 분석을 결합하여 사진 재생 공격에 대응하고 완전한 안티 스푸핑 시스템을 구축합니다.
3. 중장거리 홍채 인식
중간 거리(3m) 데이터를 도입하여 더 긴 촬영 거리의 시나리오로 확장합니다. 상업적 구현을 위한 다음 블루오션입니다.
4. 경량화 및 엣지 측 배포
ViT-S/16 모델을 <5M 파라미터로 증류하여 리소스가 제한된 엣지 장치(NPU/FPGA)에 적응시킵니다.결론: 30년 된 관습은 재검토할 가치가 있습니다
Daugman의 고무 시트는 당시 최적의 솔루션이었습니다. 하지만 기술의 본질은 이것입니다. 더 나은 도구가 등장하면 오래된 패러다임은 물러나야 합니다.
Vision Transformer는 이미지 인식의 근본적인 논리를 변화시켰습니다. 4번의 실험과 4개월의 탐구를 통해 우리는 ViT가 홍채 인식에서 잠재력을 진정으로 발휘할 수 있는 올바른 방법을 찾았습니다. ViT를 오래된 워크플로우에 적응시키는 것이 아니라, ViT에 맞춰진 새로운 전처리 패러다임을 설계하는 것입니다.
0.29%의 EER은 단순한 숫자가 아니라 선언입니다:
홍채 인식은 트랜스포머 시대로 진입했으며, Homsh는 출발선에 서 있습니다.Homsh 소개
WuHan Homsh Technology Co., Ltd.(HOMSH)는 2011년에 설립되었으며, 핵심 홍채 인식 알고리즘 및 칩에 대한 독립적인 지적 재산권을 보유한 세계 몇 안 되는 하이테크 기업 중 하나입니다. 핵심 Phaselirs™ 알고리즘과 홍채 인식을 위한 Qianxin 시리즈 FPGA/ASIC 지능형 칩은 금융 수집, 세관 통관, 정부 증명서 발급, 군사 보안 및 기타 분야에서 널리 사용되고 있습니다.
