データ特性を自ら判断するディープラーニング技術

DeepFaceは2000年代頃から研究開発が進展し始めたAIの機械学習技術の1つ、ディープラーニングを活用。大規模データをセットすると自ら学習を深めることが可能な、9層のディープニューラルネットワーク（人の脳を模したデータネットワーク）を開発した。当時主流だった機械学習は、人がAIに入力するデータ特性（照明・表情などの特徴量）を定義し予測精度を上げていたが、本AIは特徴量を自ら認識・判断できる。

3Dモデリング技術を活用した画像解析

DeepFaceは画像内から顔部分を認識し切り取った2D画像［上図ab］に、67個のポイントと平均的な顔の3Dモデルを組み合わせて立体認識［cd］し、画像が前を向くよう顔の角度を修正［fg］。修正画像をベースに、1億2,000万以上の接続ポイントを持つニューラルネットワークが画像の共通点を解析する。それにより顔の向きに左右されない画像認識を可能とした。

Facebookのビッグデータによる画像学習

Facebookユーザー約4,000人の400万枚の画像と、YouTube動画約3,000本の顔データを集めた画像データベースでディープラーニングを実施。Facebookの画像データベースは、1人当たりの画像数が多いため、顔認識に必要な照明・表情・加齢などの変化も併せて学習を行うことができた。DeepFaceは、Facebookの大量・多彩な画像データの学習により、人と同等レベルの認識精度を実現した。