パナソニックコネクト、Panasonic R&D Center Singapore、NTU Singapore、人種や性別に起因する顔認証の精度差を軽減する新技術を開発

パナソニックコネクト株式会社（本社：東京都中央区、代表取締役執行役員プレジデント・CEO：樋口泰行、以下、パナソニックコネクト）、Panasonic R＆D Center Singapore（以下、パナソニックシンガポール研）、NTU Singapore（以下、南洋理工大学）が共同開発した顔認証技術に関する論文が、画像認識（※1）分野のトップカンファレンスであるICCV（International Conference on Computer Vision）2023（※2）に採択（※3）されました。

一般的に、顔認証技術は、データ数の少ない属性（特定の人種、女性など）について、認証精度が低下する傾向にありました。この度採択された論文「Invariant Feature Regularization for Fair Face Recognition」では、本問題に対し、ディープラーニングにおける「パーティション学習」という手法を初めて（※4）顔認証に適用しました。この技術を用いて種々の属性に共通して有効となる顔認証モデルを学習することで、データ数が少ない特定の人種や女性の認証精度の低下を抑制することに成功しました。人種や性別に起因する認証エラーは広く問題視されておりますが、本技術はそういった問題の解決にも寄与できると考えております。

パナソニックコネクトでは、「人権の尊重」と「企業価値の向上」を目的に、DEI（Diversity, Equity & Inclusion）推進を経営戦略の柱のひとつと位置づけ、国籍・年齢・性別などを問わずすべての人にとってフェアな環境づくりに取り組んでいます。この度、「すべての利用者にとって公平な顔認証を実現したい」という思いで研究開発に取り組んだ成果が国際的に認められる形となりました。

（本研究の背景）

顔認証技術の社会実装が進む中、特定の人種や性別について顔認証の精度が低下する傾向がみられることが、近年のAIの公平性に対する社会的関心の高まりに伴い、問題視されてきています。顔認証の学習データは実世界の人口比率の影響を受けやすく、人種間、性別間でデータ規模が異なります。顔認証技術の土台となるディープラーニング技術は、大量の学習データを必要とし、この属性間の学習データの偏りが精度に影響を与えるため認証精度の差が生まれてしまいます。

（技術の詳細）

この顔学習データの偏りの影響抑制に向けて、我々は機械学習におけるパーティション学習と呼ばれる手法に着目しました。この手法は、図に示すように、認識の難しさを指標として顔学習データを自動的に属性ごとのグループ（＝パーティション）に分割します。また、全てのパーティションの精度を向上させる共通的な特徴表現方法を学習します。このパーティション学習を複数回行うことによって、人種や性別などの様々なパーティションを生成し、段階的に多様な属性に対して有効な顔認証モデルを学習しました。

本手法を顔認証分野における既存のアルゴリズムと組み合わせた評価では、人種ごとの精度を検証可能な評価データセットであるMFR（※5）で、4人種（アフリカ系・白人・南アジア・東アジア）の平均エラー率を削減し最高精度を達成しました。また、性別ごとの精度を検証可能な評価データセットであるCelebA（※6）においても、女性の本人受け入れエラー率の削減に成功しました。

パナソニックコネクトは引き続き、「少数であること」やその他の理由で権利が守られていない状況に対して、妥協できない「人権」の問題として取り組みます。今後、パナソニックコネクトが提供する様々な顔認証サービスに対して本研究成果を展開するとともに、公平性の改善に向けた技術開発を継続してまいります。そして、すべての人にやさしい顔認証、あらゆる人が安心安全で幸せに暮らすことができる「ウェルビーイング」の実現を目指してまいります。

注1：機械やコンピュータが「画像に映るものは何か」を認識するための技術を扱う研究分野。

注2：隔年で開催される、電機電子学会（IEEE）Computer SocietyおよびCVF（Computer Vision Foundation）主催の研究会議。CVPR（Computer Vision and Pattern Recognition Conference）やECCV（European Conference on Computer Vision）と並んで、画像認識分野のトップ会議の1つと見なされています。

注3：近年の画像認識分野の研究の増加に伴い、採択の難易度が上がっており、採択されたICCV 2023では26.15％の採択率。

注4：2023年10月10日現在。（パナソニックコネクト調べ）

注5：Masked Face Recognition Challengeの略称。マスク、幼児、複数人種など様々な対象ごとの評価データセットを提供するコンペティション。本論文では複数人種を対象とした評価データセットを利用し精度を検証。

注6：Large-scale CelebFaces Attributes Datasetの略称。性別、髪の色、スタイルなど、細かな属性に対するラベルを提供するデータセット。本論文では、このデータセットを用いて各性別の精度を検証。

全文は以下プレスリリースをご覧ください。

▼[プレスリリース]パナソニックコネクト、Panasonic R&D Center Singapore、NTU Singapore、人種や性別に起因する顔認証の精度差を軽減する新技術を開発（2023年10月10日）