Skip to content

Commit

Permalink
Update README_Korean.md
Browse files Browse the repository at this point in the history 
revise comments
  • Loading branch information
@Ella77 @ageitgey
Ella77 authored and ageitgey committed Nov 15, 2019
1 parent 54ba5bc commit a96484e
Showing 1 changed file with 37 additions and 37 deletions.
74 changes: 37 additions & 37 deletions README_Korean.md
View file
Original file line number Diff line number Diff line change
@@ -1,12 +1,12 @@
# Face Recognition
# Face Recognition

_[중국어 简体中文版](https://github.com/ageitgey/face_recognition/blob/master/README_Simplified_Chinese.md) 로 번역된 이 파일을 읽으실 수 있습니다._
본 문서는 _[중국어 简体中文版](https://github.com/ageitgey/face_recognition/blob/master/README_Simplified_Chinese.md) 로부터 번역되어 한국 사용자들의 기여를 통해 만들어진 문서입니다.

세계에서 가장 간단한 얼굴 인식 라이브러리로, Python 또는 명령 줄에서 얼굴을 인식하고 조작 해 보십시오.
본 라이브러리는 세계에서 가장 간단한 얼굴 인식 라이브러리로, Python 또는 명령 줄(CLI)에서 얼굴을 인식하고 조작해 볼 수 있습니다.

딥 러닝으로 구축된 [dlib](http://dlib.net/)의 최첨단 얼굴 인식 기능을 사용하여 구축되었습니다. 이 모델은 [Labeled Faces in the Wild](http://vis-www.cs.umass.edu/lfw/) 기준으로 99.38%의 정확도를 가집니다.
본 라이브러리는 딥러닝 기반으로 제작된 [dlib](http://dlib.net/)의 최첨단 얼굴 인식 기능을 사용하여 구축되었습니다. 이 모델은 [Labeled Faces in the Wild](http://vis-www.cs.umass.edu/lfw/) 기준으로 99.38%의 정확도를 가집니다.

또한, 명령 줄에서 이미지 폴더 안에 있는 얼굴 인식 기능을 위한 간단한 `face_recognition` 명령 줄 도구를 제공합니다!
또한, 명령 줄(CLI)에서 이미지 폴더 안에 있는 얼굴 인식 기능을 위한 간단한 `face_recognition` 도구를 제공합니다!


[![PyPI](https://img.shields.io/pypi/v/face_recognition.svg)](https://pypi.python.org/pypi/face_recognition)
Expand Down Expand Up @@ -39,11 +39,11 @@ image = face_recognition.load_image_file("your_file.jpg")
face_landmarks_list = face_recognition.face_landmarks(image)
```

얼굴의 특징을 찾는 기능은 여러 중요한 일들에 유용하게 쓰입니다. 하지만 [디지털 메이크업](https://github.com/ageitgey/face_recognition/blob/master/examples/digital_makeup.py) (Meitu 같은 것)을 적용하는 것과 같은 정말 멍청한 것들에도 쓰일 수 있습니다:
얼굴의 특징을 찾는 기능은 여러 중요한 일들에 유용하게 쓰입니다. 예를 들어 [디지털 메이크업](https://github.com/ageitgey/face_recognition/blob/master/examples/digital_makeup.py) (Meitu 같은 것)을 적용하는 것과 같은 정말 멍청한 것들에도 쓰일 수 있습니다:

![](https://cloud.githubusercontent.com/assets/896692/23625283/80638760-025d-11e7-80a2-1d2779f7ccab.png)

#### 사진 속 얼굴의 신원 확인하기
#### 사진 속 얼굴의 신원 확인하기

각각의 사진에서 누가 등장하였는지 인식합니다.

Expand All @@ -60,15 +60,15 @@ unknown_encoding = face_recognition.face_encodings(unknown_image)[0]
results = face_recognition.compare_faces([biden_encoding], unknown_encoding)
```

이 라이브러리를 다른 Python 라이브러리와 함께 사용하여 실시간 얼굴 인식을 할 수도 있습니다:
이 라이브러리를 다른 Python 라이브러리와 함께 사용한다면 실시간 얼굴 인식도 가능합니다:

![](https://cloud.githubusercontent.com/assets/896692/24430398/36f0e3f0-13cb-11e7-8258-4d0c9ce1e419.gif)

코드에 대해서는 [이 예제](https://github.com/ageitgey/face_recognition/blob/master/examples/facerec_from_webcam_faster.py) 를 참조하십시오.

## 온라인 데모

Jupyter notebook demo로 공유된 사용자 기여 (공식적인 지원이 아님): [![Deepnote](https://beta.deepnote.org/buttons/try-in-a-jupyter-notebook.svg)](https://beta.deepnote.org/launch?template=face_recognition)
실제 사용자가 공유한 Jupyter notebook demo (공식은 아닙니다): [![Deepnote](https://beta.deepnote.org/buttons/try-in-a-jupyter-notebook.svg)](https://beta.deepnote.org/launch?template=face_recognition)

## 설치

Expand All @@ -81,7 +81,7 @@ Jupyter notebook demo로 공유된 사용자 기여 (공식적인 지원이 아

#### Mac 또는 Linux에서의 설치

우선, 파이썬 바인딩을 통해 dlib이 이미 설치가 되어있는지를 확인해야 합니다:
우선, Python 바인딩을 통해 dlib이 이미 설치가 되어있는지를 확인해야 합니다:

* [macOS 또는 Ubuntu에서 소스에서 dlib을 설치하는 방법](https://gist.github.com/ageitgey/629d75c1baac34dfa5ca2a1928a7aeaf)

Expand Down Expand Up @@ -113,24 +113,24 @@ Windows는 공식적으로 지원하지는 않지만, 친절한 유저들이 이

### 명령 줄 인터페이스

`face_recognition`을 설치하면, 두 가지 간단한 명령 줄 프로그램을 얻습니다:
`face_recognition`을 설치하면, 두 가지 간단한 명령 줄(CLI) 프로그램을 얻습니다:

* `face_recognition` - 사진이나 사진으로 가득 찬 폴더의 얼굴을 인식합니다.
* `face_detection` - 사진이나 사진으로 가득 찬 폴더에서 얼굴을 찾습니다.
* `face_recognition` - 사진 혹은 사진이 들어있는 폴더에서, 얼굴을 인식합니다.
* `face_detection` - 사진 혹은 사진이 들어있는 폴더에서, 얼굴을 찾습니다.

#### `face_recognition` 명령 줄 도구

`face_recognition` 명령을 사용하면 사진이나 사진으로 가득 찬 폴더의 얼굴을 인식할 수 있습니다.
`face_recognition` 명령을 사용하면 사진 혹은 사진이 들어있는 폴더에서, 얼굴을 인식할 수 있습니다.

먼저, 이미 알고 있는 각 사람의 사진 한 장이 폴더에 있어야 합니다. 그리고 사진 속에 있는 그 사람의 이름을 딴 이미지 파일이 각각 하나씩 있어야 합니다:
그러기 위해서는 먼저, 이미 알고 있는(인식하고자 하는) 각 사람의 사진 한 장이 폴더에 있어야 합니다. 그리고 사진 속 그 사람의 이름을 딴 이미지 파일이 각각 하나씩 있어야 합니다:

![known](https://cloud.githubusercontent.com/assets/896692/23582466/8324810e-00df-11e7-82cf-41515eba704d.png)

다음으로, 식별할 파일이 있는 두 번째 폴더가 필요합니다:
다음으로, 식별하고 싶은 파일들이 있는 두 번째 폴더가 필요합니다:

![unknown](https://cloud.githubusercontent.com/assets/896692/23582465/81f422f8-00df-11e7-8b0d-75364f641f58.png)

그런 다음, 알고 있는 사람의 폴더와 모르는 사람의 폴더(또는 단일 이미지)를 전달하는 `face_recognition` 명령을 실행하면, 각 이미지에 있는 사람을 알 수 있습니다:
그런 다음, 알고 있는 사람의 폴더와 모르는 사람의 폴더(또는 단일 이미지)를 전달하는 `face_recognition` 명령을 실행하면, 각 이미지에 있는 사람이 누군지 알 수 있습니다:

```bash
$ face_recognition ./pictures_of_people_i_know/ ./unknown_pictures/
Expand All @@ -139,9 +139,9 @@ $ face_recognition ./pictures_of_people_i_know/ ./unknown_pictures/
/face_recognition_test/unknown_pictures/unknown.jpg,unknown_person
```

각각의 얼굴의 결과에는 하나의 줄이 있습니다. 데이터는 파일 이름과 찾아낸 사람의 이름으로 쉼표로 구분됩니다.
각각의 얼굴의 결과는 한 줄로 나타납니다. 각 줄은 파일 이름과 식별된 결과인 사람 이름이 쉼표로 구분되어 나타납니다.

`unknown_person`은 이미지 속에 알고 있는 사람의 폴더에 있는 사람과 일치하지 않는 얼굴입니다.
`unknown_person`은 이미지 속에 알고 있는 사람의 폴더에 있는 그 누구와도 일치하지 않는 얼굴임을 의미합니다.

#### `face_detection` 명령 줄 도구

Expand All @@ -157,13 +157,13 @@ examples/image2.jpg,62,394,211,244
examples/image2.jpg,95,941,244,792
```

감지된 각 얼굴에 대해 한 줄씩 인쇄합니다. 보고 된 좌표는 얼굴의 위쪽, 오른쪽, 아래쪽 및 왼쪽 좌표 (픽셀 단위)입니다.
감지된 각 얼굴에 대해 한 줄씩 인쇄합니다. 결과값의 좌표는 각각 얼굴의 위쪽, 오른쪽, 아래쪽 및 왼쪽 좌표 (픽셀 단위)입니다.

##### 오차 조절 / 민감도

같은 사람에 대해 여러 개의 항목을 얻었다면, 사진에 있는 사람들이 매우 유사하게 보이기 때문이며 얼굴 비교를 더욱 엄격하게 하기 위해 낮은 허용치가 필요합니다.
같은 사람에 대해 여러 개의 항목을 얻었다면, 사진에 있는 사람들이 매우 유사하게 보이기 때문이며 더욱 엄격한 얼굴 비교를 위해 낮은 허용치(tolerance value)가 필요합니다.

`--tolerance` 변수를 이용하여 이를 수행할 수 있습니다. 기본 허용치 값은 0.6이며 숫자가 낮으면 얼굴 비교가 더욱 엄격해집니다:
`--tolerance` 변수를 이용하여 이를 수행할 수 있습니다. 기본 허용치 값은 0.6이며 숫자가 낮으면 더욱 엄격한 얼굴 비교가 가능합니다:

```bash
$ face_recognition --tolerance 0.54 ./pictures_of_people_i_know/ ./unknown_pictures/
Expand All @@ -172,7 +172,7 @@ $ face_recognition --tolerance 0.54 ./pictures_of_people_i_know/ ./unknown_pictu
/face_recognition_test/unknown_pictures/unknown.jpg,unknown_person
```

관용 설정을 조정하기 위해 계산된 얼굴 거리는 `--show-distance true`를 통해 볼 수 있습니다:
허용치 설정을 조정하기 위해, 각 식별에서의 얼굴 거리를 알고 싶다면 `--show-distance true`를 통해 볼 수 있습니다:

```bash
$ face_recognition --show-distance true ./pictures_of_people_i_know/ ./unknown_pictures/
Expand All @@ -183,7 +183,7 @@ $ face_recognition --show-distance true ./pictures_of_people_i_know/ ./unknown_p

##### 더 많은 예제들

각 사진에 있는 사람들의 이름은 알고 싶지만 파일 이름에는 신경 쓰지 않는다면 다음과 같이 할 수 있습니다:
파일 이름은 신경 쓰지 않고 각 사진에 있는 사람들의 이름만을 알고 싶다면 다음과 같이 할 수 있습니다:

```bash
$ face_recognition ./pictures_of_people_i_know/ ./unknown_pictures/ | cut -d ',' -f2
Expand All @@ -194,19 +194,19 @@ unknown_person

##### 얼굴 인식 속도 향상

여러 개의 CPU 코어가 있는 컴퓨터를 사용한다면, 얼굴 인식을 동시에 수행 할 수 있습니다. 예를 들면, 4개의 CPU 코어가 있는 환경에서는, 모든 CPU 코어를 병렬로 사용하여 같은 시간 동안 약 4배의 양으로 이미지를 처리할 수 있습니다.
여러 개의 CPU 코어가 있는 컴퓨터를 사용한다면, 얼굴 인식을 동시에 수행할 수 있습니다. 예를 들면, 4개의 CPU 코어가 있는 환경에서는, 모든 CPU 코어를 병렬로 사용하여 같은 시간 동안 약 4배의 이미지들을 처리할 수 있습니다.

Python 3.4 이상을 사용하는 경우 `--cpus <number_of_cpu_cores_to_use>` 매개 변수를 전달하십시오:
Python 3.4 이상을 사용하는 경우 `--cpus <number_of_cpu_cores_to_use>` 에 매개 변수(parameter)를 전달하십시오:

```bash
$ face_recognition --cpus 4 ./pictures_of_people_i_know/ ./unknown_pictures/
```

`--cpus -1`을 전달하여 시스템의 모든 CPU 코어를 사용할 수도 있습니다.
또한 `--cpus -1`을 전달하여 시스템의 모든 CPU 코어를 사용할 수도 있습니다.

#### Python 모듈

`face_recognition` 모듈을 추가하여 몇 줄의 코드만으로 얼굴 조작을 쉽게 할 수 있습니다. 이는 매우 간단합니다!
`face_recognition` 모듈을 불러와(import) 단 몇 줄의 코드만으로 얼굴 조작을 쉽게 할 수 있습니다. 이는 매우 간단합니다!

API 문서: [https://face-recognition.readthedocs.io](https://face-recognition.readthedocs.io/en/latest/face_recognition.html).

Expand All @@ -225,7 +225,7 @@ face_locations = face_recognition.face_locations(image)

좀 더 정확한 딥 러닝 기반의 얼굴 탐지 모델을 채택할 수도 있습니다.

참고: 이 모델의 성능을 높이려면 (NVidia의 CUDA 라이브러리를 통한)GPU 가속이 필요합니다. 또한 `dlib`을 컴파일링할 때 CUDA 지원을 활성화 할 수 있습니다.
참고: 이 모델의 성능을 높이려면 (NVidia의 CUDA 라이브러리를 통한) GPU 가속이 필요합니다. 또한 `dlib`을 컴파일링할 때 CUDA 지원(support)을 활성화 할 수 있습니다.

```python
import face_recognition
Expand All @@ -240,7 +240,7 @@ face_locations = face_recognition.face_locations(image, model="cnn")

이미지와 GPU가 둘 다 많은 경우, [얼굴을 일괄적으로 찾을](https://github.com/ageitgey/face_recognition/blob/master/examples/find_faces_in_batches.py) 수도 있습니다.

##### 이미지에서 사람의 얼굴 특징으로 자동으로 찾기
##### 이미지에서 자동으로 사람의 얼굴 특징 찾기

```python
import face_recognition
Expand All @@ -262,12 +262,12 @@ import face_recognition
picture_of_me = face_recognition.load_image_file("me.jpg")
my_face_encoding = face_recognition.face_encodings(picture_of_me)[0]

# my_face_encoding now contains a universal 'encoding' of my facial features that can be compared to any other picture of a face!
# my_face_encoding은 이제 어느 얼굴과도 비교할 수 있는 내가 가진 얼굴 특징의 보편적인 인코딩을 포함하게 되었습니다.

unknown_picture = face_recognition.load_image_file("unknown.jpg")
unknown_face_encoding = face_recognition.face_encodings(unknown_picture)[0]

# Now we can see the two face encodings are of the same person with `compare_faces`!
# 이제 `compare_faces`를 통해 두 얼굴이 같은 얼굴인지 비교할 수 있습니다!

results = face_recognition.compare_faces([my_face_encoding], unknown_face_encoding)

Expand Down Expand Up @@ -320,22 +320,22 @@ else:
- Adrian Rosebrock의 [Raspberry Pi 얼굴 인식](https://www.pyimagesearch.com/2018/06/25/raspberry-pi-face-recognition/)
- Raspberry Pi에서 어떻게 사용하는지
- Adrian Rosebrock의 [Python 얼굴 클러스터링](https://www.pyimagesearch.com/2018/07/09/face-clustering-with-python/) by Adrian Rosebrock
- 자율적 학습을 사용하여 각 사진에 나타나는 사람을 기반으로 사진을 클러스터하는 방법
- 비지도 학습을 사용하여 각 사진에 나타나는 사람을 기반으로 사진을 자동 클러스터하는 방법

## 얼굴 인식이 작동하는지

black box 라이브러리에 의존하는 대신 얼굴 위치와 인식이 어떻게 작동하는지 알고 싶으시다면 [이 글](https://medium.com/@ageitgey/machine-learning-is-fun-part-4-modern-face-recognition-with-deep-learning-c3cffc121d78) 을 읽으십시오.

## 주의 사항

* 얼굴 인식의 모델은 성인에 대한 교육을 받았으며 어린이는 잘 적용이 되지 않습니다. 이는 0.6의 임계 값을 사용하여 어린이들을 아주 쉽게 뒤죽박죽으로 만드는 경향이 있습니다.
* 얼굴 인식의 모델은 성인에 대한 데이터를 통해 훈련이 되었으며 따라서 어린이의 경우에는 잘 적용이 되지 않습니다. 0.6의 기본 임계 값을 사용한다면 어린이들의 얼굴을 구분하지 못하는 경향이 있습니다.
* 소수 민족마다 정확성이 다를 수 있습니다. 자세한 내용은 [이 위키 페이지](https://github.com/ageitgey/face_recognition/wiki/Face-Recognition-Accuracy-Problems#question-face-recognition-works-well-with-european-individuals-but-overall-accuracy-is-lower-with-asian-individuals) 를 참조하십시오.

## <a name="deployment">클라우드 호스트에 배포 (Heroku, AWS, 기타 등)</a>

`face_recognition`은 C++로 작성된 `dlib`에 의존하기 때문에, Heroku 또는 AWS와 같은 클라우드 호스팅 제공 업체에 이를 사용하는 앱을 배포하는 것은 까다로울 수 있습니다.

작업을 쉽게하기 위해, [Docker](https://www.docker.com/) container에서 `face_recognition`으로 빌드 된 앱을 실행하는 방법을 보여주는 이 repo의 Dockerfile 예제가 있습니다. 이를 통해 Docker 이미지를 지원하는 모든 서비스에 배포 할 수 있어야합니다.
더 쉬운 작업을 위해, [Docker](https://www.docker.com/) container에서 `face_recognition`으로 빌드 된 앱을 실행하는 방법을 보여주는 이 repo의 Dockerfile 예제가 있습니다. 이를 통해 Docker 이미지를 지원하는 모든 서비스에 배포할 수 있어야합니다.

다음을 실행하여 Docker 이미지를 로컬로 시도 할 수 있습니다: `docker-compose up --build`

Expand All @@ -347,8 +347,8 @@ GPU (드라이버 >= 384.81) 및 [Nvidia-Docker](https://github.com/NVIDIA/nvidi

## 감사의 말

* `dlib`를 만들고 이 라이브러리에 사용된 얼굴 인식 기능과 얼굴 인코딩 모델을 제공 한 [Davis King](https://github.com/davisking) ([@nulhom](https://twitter.com/nulhom)) 에게 많은 감사를 드립니다. 얼굴 인코딩을 지원하는 ResNet에 대한 자세한 내용은 [블로그 게시물](http://blog.dlib.net/2017/02/high-quality-face-recognition-with-deep.html) 을 확인하십시오.
* `dlib`를 만들고 이 라이브러리에 사용된 얼굴 인식 기능과 얼굴 인코딩 모델을 제공한 [Davis King](https://github.com/davisking) ([@nulhom](https://twitter.com/nulhom)) 에게 많은 감사를 드립니다. 얼굴 인코딩을 지원하는 ResNet에 대한 자세한 내용은 [블로그 게시물](http://blog.dlib.net/2017/02/high-quality-face-recognition-with-deep.html) 을 확인하십시오.
* numpy, scipy, scikit-image, pillow 등의 모든 멋진 파이썬 데이터 과학 라이브러리에서 일하는 모든 사람들에게 감사합니다. 이런 종류의 것들을 파이썬에서 쉽고 재미있게 만듭니다.
* [Cookiecutter](https://github.com/audreyr/cookiecutter)
와 [audreyr/cookiecutter-pypackage](https://github.com/audreyr/cookiecutter-pypackage)
프로젝트 템플릿 덕분에 파이썬 프로젝트 패키징 방식이 웬만큼 괜찮아 졌습니다.
프로젝트 템플릿 덕분에 파이썬 프로젝트 패키징 방식이 더 괜찮아 졌습니다.

0 comments on commit a96484e

Please sign in to comment.