深層学習の表情認識精度が向上しているが、その仕組みは人のそれとは異なっており、人では認識誤りが生じないような画像に対して認識誤りが生じる場合がある。
深層学習の認識能力を人に近づけるためには、深層学習と人とが顔のパーツのどこに注目して表情認識を行っているのかを明らかにする必要がある。
本研究では、顔の特定のパーツを隠したマスク画像で学習させた表情認識モデルの認識性能と、同じ画像を人間に表情認識させた結果との比較を行った。