RESEARCH

学習サンプルの背景バイアスに頑健な視線誘導型自己注意機構を用いた性別認識

この研究のポイント

人物の性別を判断する観察者の視線分布を、深層学習の自己注意機構に取り入れます。背景に引きずられにくい位置へ注意を向け、学習時と評価時で背景が異なる場合の認識を改善します。

歩行者の画像から性別を分類するコンピュータが、人物ではなく背景を判断の手掛かりにしてしまうことがあります。例えば、学習に使った画像と実際に調べる画像で背景が違うと、分類の精度が下がる場合があります。人物と直接関係のない情報に頼りすぎることが原因です。

本研究では、人が画像を見て性別を判断するとき、どこに目を向けるかを計測します。その視線の集まり方を、コンピュータが画像のどの場所を重視するか決める仕組みに取り入れました。これにより、学習画像の背景だけに引きずられず、人が注目する場所の情報を利用できるようにします。

公開されているデータセットを使い、学習用と評価用の画像で背景が異なる条件を調べました。その結果、視線を利用する提案手法は、画像内の注目場所をコンピュータだけで決める従来の方法よりも、高い性別分類の精度を示しました。