AIソリューション / 属性推定
デジタルサイネージの広告効果測定、公共交通の乗降客分析、店舗の来店者分析。 「どんな人が来たのか」を数値にする属性推定を、アイリアが自社開発した専用モデルで提供します。 マスク着用時も動作し、推論は端末内で完結するため、カメラ画像を外部へ送信する必要がありません。
Live Demo
同じモデルを ailia.js でブラウザ内実行するデモを公開しています。 手持ちの画像を読み込むか、Web カメラをつなぐだけで、実際の推定結果をその場で確認できます。 PoC の見積もりを取る前に、自社の撮影条件で精度を確かめられます。
画像はどこにも送信されません。 推論はすべてブラウザ内（WebAssembly）で完結します。 モデルが実際に「見せられている」領域 — 黒塗りされた背景とマスク — も画面上に重ねて表示するので、 精度が出た理由・出なかった理由をその場で確認できます。
ライブデモを開く
画像は Adobe Firefly で生成したものです
Use Cases
広告・交通・小売の各領域で、属性推定の需要が広がっています。
広告効果を「視聴者の属性」で説明できるようにする
サイネージ広告は「何人が通ったか」までは測れても、「どんな人が、何秒見たか」を出せないことが、 広告主が出稿に慎重になる理由の一つでした。 サイネージ直下のカメラに属性推定を載せることで、配信枠ごとに年齢層・性別・視聴時間の内訳をレポートでき、 出稿単価の根拠と、時間帯別のクリエイティブ出し分けの両方が成立します。
この現場で効く理由
サイネージ組み込みの STB で高性能な GPU は使用できません。 CPU 単体で 7.4 ms/face という速度は、既存筐体のまま属性推定を
追加できることを意味します。 マスク着用者を取りこぼさない点も、来店客の一定割合がマスクを着ける日本の店頭では実測値に直結します。
目視の乗降調査を、ばらつきのない自動計測に置き換える
従来の乗降調査は調査員が容姿から年代を判断しており、担当者ごとに基準が揺れるという構造的な問題がありました。 車内カメラでの自動推定に置き換えることで、判定基準が一定になり、全便・全日を継続的に計測できます。 路線再編やダイヤ改正の根拠データとして、また車内広告の媒体価値の裏付けとして使われています。
この現場で効く理由 走行中の車両からクラウドへ映像を送り続けるのは、通信コストと安定性の両面で現実的ではありません。 車載機の中で推論を完結させ、属性の集計値だけを送る構成が前提になります。 アイリア SDK は車載向け SoC を含む幅広い環境に対応しており、既存の車載機に組み込めます。
POS に残らない「買わなかった人」を可視化する
POS が記録するのは購入者だけで、入店したが買わなかった人、棚の前で立ち止まったが手に取らなかった人は残りません。 入口や売場のカメラで来店者の属性を取ることで、想定ターゲットと実際の来店層のずれ、 時間帯ごとの客層の入れ替わり、売場ごとの吸引力を数値で扱えるようになります。
この現場で効く理由 多店舗展開では 1 店舗あたりのハードウェア単価がそのまま総投資額に響きます。 汎用 CPU で動くモデルは、専用 AI カメラを全店に入れ替えずに済む選択肢になります。 SI 事業者様が自社ソリューションへ組み込む形での提供にも対応しています。
Features
公開されている年齢・性別推定モデルの多くは欧米の顔画像が学習の中心で、 マスク着用も想定され
ていません。日本の現場でそのまま使うと、若く見積もる・マスクで大きく精度が低下する、という問
題があります。 このモデルは、その 2 点を設計上の要件として作られています。
アジア系の顔画像を中心に学習し、日本人の実年齢ラベル付き評価セットで検証しています。 汎用モデルにありがちな「高齢者を大幅に若く見積もる」偏りが小さく、 60 代以上の帯でも誤差の中心のずれが抑えられています。 学習データには欧米系の顔画像も含んでいます。
マスク着用していても動作します。着用者を「推定不能」として捨てるのではなく、 マスクあり条件でも年齢・性別を返します。 マスクによる性別精度の低下は 1.0〜3.3 ポイントに収まっており、 同条件で 10.5〜18.5 ポイント落ちる汎用モデルとは挙動が異なります。
推定に使うのは顔だけです。モデルの内部で背景の領域を取り除いてから年齢・性別を推定するため、 撮影場所や照明が変わっても結果が動きにくくなっています。
推論は端末内で完結し、カメラ画像をクラウドへ送る必要がありません。 原画像を保持せず属性の集計値だけを残す運用が取れるため、 総務省・経済産業省の「カメラ画像利活用ガイドブック」が求める 「必要なデータを生成したら原画像は速やかに破棄する」という考え方に沿った構成を組みやすくなります。
1 顔あたり 7.4 ms（CPU・4 スレッド）。同一条件で比較した高精度モデル（MiVOLO）に対して 約 35 倍の速度で、精度はマスクなしで同等、マスクありでは上回ります。 CPU だけでこの速度が出るので既存機器にそのまま載せられますし、 NPU や GPU があればアイリア SDK がそのまま活用してさらに引き上げます。
自社開発モデルであり、アイリア SDK でのみ利用できます。 Windows / Linux / macOS / iOS / Android / 組み込み Linux、 そしてブラウザ（ailia.js）まで同一 API で動作し、 PC で検証した構成をそのまま量産機へ展開できます。
Benchmark
日本人 409 枚・実年齢ラベル付きの評価セットでの比較です。 3 モデルすべてにとって未学習のデータ
であり、同じ顔・同じ合成マスク・同じ指標で 1 回の実行にまとめて計測しています。
| モデル | 条件 | 年齢 MAE | 性別精度 | ms / face |
|---|---|---|---|---|
| アイリア（本モデル） | マスクなし | 6.89 | 95.35% | 4.4 |
| マスクあり | 8.29 | 93.15% | ||
| MiVOLO | マスクなし | 7.30 | 94.87% | 154.3 |
| マスクあり | 9.16 | 93.15% | ||
| age-gender-recognition-retail-0013 | マスクなし | 14.44 | 90.95% | 0.9 |
| マスクあり | 18.03 | 75.55% |
精度は撮影条件（カメラ位置、画角、照明、顔の解像度）に大きく左右されます。 実環境での想定精度については、実際の設置条件を伺ったうえで個別にご相談ください。
Specification
対応環境の詳細は アイリア SDK のページを
ご覧ください。
ブラウザデモは登録不要でその場で動きます。 設置環境に合わせた精度検証、SI 事業者様の自社ソリューションへの組み込み、 既存カメラ・既存筐体での実現可否についても個別にご相談を承ります。
Copyright © アイリア株式会社 / 株式会社アクセル
