パーティション学習を用いた顔認証技術で人種や性別の認証エラーを削減：人工知能ニュース

パナソニック コネクトは、人種や性別による顔認証の精度差を軽減する技術を開発した。ディープラーニングのパーティション学習を顔認証に適用し、4つの人種の認証で最高精度を達成した。

[MONOist]

　パナソニック コネクトは2023年10月10日、Panasonic R＆D Center Singapore、NTU Singaporeと共同で、人種や性別による顔認証の精度差を軽減する技術を開発したと発表した。

　顔認証技術は、特定の人種や女性など、データ数の少ない属性の認証精度が低下する傾向にある。同社はこの課題に対し、ディープラーニングのパーティション学習を顔認証に適用した。

　パーティション学習では、認識の難しさを指標に顔学習データを属性ごとのグループ（パーティション）に自動分割し、共通する特徴の表現方法を学習する。これを繰り返すことで、多様な属性に対応する有効な顔認証モデルを学習した。

　この手法を既存のアルゴリズムと組み合わせて評価したところ、アフリカ系、白人、南アジア、東アジアの4つの人種の認証で最高精度を達成した。性別ごとの検証でも、エラー率を削減できた。

パーティション学習による顔認証の評価［クリックで拡大］ 出所：パナソニック コネクト

　この顔認証技術に関する論文「Invariant Feature Regularization for Fair Face Recognition」は、画像認識分野のトップカンファレンス「ICCV（International Conference on Computer Vision）2023」に採択された。同社は、さまざまな顔認証サービスに対して今回の成果を展開するとともに、全ての利用者にとって公平な顔認証に対する技術開発を継続するとしている。

⇒その他の「人工知能ニュース」の記事はこちら