PART 04에서 임베딩·거리·임계값의 직관을 잡았다면, 이제 그것을 실제 코드로 구현할 차례입니다. 그 첫 라이브러리로 가장 쉬운 face_recognition을 고릅니다. 함수 한 줄로 얼굴을 비교할 수 있어 입문에 더없이 좋습니다. 그리고 이 라이브러리의 한계까지 정직하게 짚은 뒤, 설치 없이 쓰는 내장 대안 SFace로 균형을 맞춥니다.

왜 face_recognition으로 시작하나

face_recognition은 PART 04에서 다룬 임베딩 인식을, 초보자가 가장 적은 코드로 경험하게 해 줍니다. 내부적으로 dlib의 128차원 임베딩을 쓰며, "인코딩을 뽑고 거리를 비교한다"는 원리가 그대로 함수 한두 개로 노출됩니다. 우리가 PART 01에서 dlib을 conda로 깔아 둔 덕분에 빌드 걱정 없이 바로 쓸 수 있습니다.

다만 쉬움에는 대가가 따릅니다. 정확도의 천장이 낮고 dlib에 묶여 있다는 한계가 있어, 이 PART는 입문과 동시에 "언제 다른 도구로 갈아탈지"의 판단 기준도 함께 제시합니다.

PART 05의 구성