論文の概要: Mitigating Face Recognition Bias via Group Adaptive Classifier

• arxiv url: http://arxiv.org/abs/2006.07576v2
• Date: Tue, 1 Dec 2020 04:18:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-21 21:09:29.280847
• Title: Mitigating Face Recognition Bias via Group Adaptive Classifier
• Title（参考訳）: グループ適応分類器による顔認識バイアスの軽減
• Authors: Sixue Gong, Xiaoming Liu, and Anil K. Jain
• Abstract要約: この研究は、全てのグループの顔がより平等に表現できる公正な顔表現を学ぶことを目的としている。 我々の研究は、競争精度を維持しながら、人口集団間での顔認識バイアスを軽減することができる。
• 参考スコア（独自算出の注目度）: 53.15616844833305
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Face recognition is known to exhibit bias - subjects in a certain demographic group can be better recognized than other groups. This work aims to learn a fair face representation, where faces of every group could be more equally represented. Our proposed group adaptive classifier mitigates bias by using adaptive convolution kernels and attention mechanisms on faces based on their demographic attributes. The adaptive module comprises kernel masks and channel-wise attention maps for each demographic group so as to activate different facial regions for identification, leading to more discriminative features pertinent to their demographics. Our introduced automated adaptation strategy determines whether to apply adaptation to a certain layer by iteratively computing the dissimilarity among demographic-adaptive parameters. A new de-biasing loss function is proposed to mitigate the gap of average intra-class distance between demographic groups. Experiments on face benchmarks (RFW, LFW, IJB-A, and IJB-C) show that our work is able to mitigate face recognition bias across demographic groups while maintaining the competitive accuracy.
• Abstract（参考訳）: 顔認識はバイアスを示すことで知られており、特定の集団の被験者は他のグループよりも認識しやすい。 この研究は、全てのグループの顔をより平等に表現できる公正な顔表現を学ぶことを目的としている。 提案するグループ適応分類器は,適応畳み込みカーネルと,その属性に基づく顔に対する注意機構を用いて,バイアスを軽減する。 アダプティブモジュールは、識別のために異なる顔領域を活性化するために、各人口群のカーネルマスクとチャネル毎のアテンションマップからなり、その人口に関連したより識別的な特徴をもたらす。 導入した自動適応戦略は,階層適応パラメータ間の相似性を反復的に計算することにより,ある層に適応するか否かを決定する。 人口集団間の平均クラス内距離のギャップを軽減するために,新しい脱バイアス損失関数を提案する。 フェースベンチマーク (RFW, LFW, IJB-A, IJB-C) 実験の結果, 競合精度を維持しつつ, 人口集団間での顔認識バイアスを軽減することができることがわかった。

関連論文リスト

• LabellessFace: Fair Metric Learning for Face Recognition without Attribute Labels [0.11999555634662631]
  本稿では,グループラベリングを必要とせず,顔認識における階層バイアスを改善するフレームワークであるLabellessFace'を紹介する。 本稿では,特定のクラスに対する好意度を評価するための,クラス好意度と呼ばれる新しいフェアネス向上尺度を提案する。 本手法は,クラス嗜好レベルに基づいて学習パラメータを動的に調整し,属性間の公平性を促進させる。
  論文  参考訳（メタデータ） (2024-09-14T02:56:07Z)
• FineFACE: Fair Facial Attribute Classification Leveraging Fine-grained Features [3.9440964696313485]
  自動的な顔属性分類アルゴリズムでは、人口統計バイアスの存在が強調されている。 既存のバイアス緩和技術は、一般に人口統計学的なアノテーションを必要とし、しばしば公正性と正確性の間のトレードオフを得る。 そこで本稿では, 顔属性の公平な分類法を, きめ細かな分類問題とみなして提案する。
  論文  参考訳（メタデータ） (2024-08-29T20:08:22Z)
• Score Normalization for Demographic Fairness in Face Recognition [16.421833444307232]
  有名なサンプル中心スコア正規化技術であるZ-normとT-normは、高セキュリティ動作点の公平性を向上しない。 標準Z/Tノルムを拡張し、正規化における人口統計情報を統合する。 本手法は,5つの最先端の顔認識ネットワークの全体的な公正性を改善する。
  論文  参考訳（メタデータ） (2024-07-19T07:51:51Z)
• Invariant Feature Regularization for Fair Face Recognition [45.23154294914808]
  偏りのある特徴は少数派ではあまり一般化しないことを示す。 教師なしの方法で多様なデータ分割を反復的に生成することを提案する。 INV-REGは、様々な人口集団の顔認識を改善する新しい最先端技術をもたらす。
  論文  参考訳（メタデータ） (2023-10-23T07:44:12Z)
• Adaptive Face Recognition Using Adversarial Information Network [57.29464116557734]
  顔認識モデルは、トレーニングデータがテストデータと異なる場合、しばしば退化する。 本稿では,新たな敵情報ネットワーク(AIN)を提案する。
  論文  参考訳（メタデータ） (2023-05-23T02:14:11Z)
• Deep face recognition with clustering based domain adaptation [57.29464116557734]
  そこで本研究では,ターゲットドメインとソースがクラスを共有しない顔認識タスクを対象とした,クラスタリングに基づく新しいドメイン適応手法を提案する。 本手法は,特徴領域をグローバルに整列させ,その一方で,対象クラスタを局所的に識別することで,識別対象特徴を効果的に学習する。
  論文  参考訳（メタデータ） (2022-05-27T12:29:11Z)
• Learning Fair Face Representation With Progressive Cross Transformer [79.73754444296213]
  フェアフェイス認識のためのプログレッシブクロストランス (PCT) 手法を提案する。 我々は,PCTが最先端FR性能を達成しつつ,顔認識におけるバイアスを軽減することができることを示した。
  論文  参考訳（メタデータ） (2021-08-11T01:31:14Z)
• Balancing Biases and Preserving Privacy on Balanced Faces in the Wild [50.915684171879036]
  現在の顔認識(FR)モデルには、人口統計バイアスが存在する。 さまざまな民族と性別のサブグループにまたがる偏見を測定するために、我々のバランス・フェイススをWildデータセットに導入します。 真偽と偽のサンプルペアを区別するために1点のスコアしきい値に依存すると、最適以下の結果が得られます。 本稿では,最先端ニューラルネットワークから抽出した顔特徴を用いたドメイン適応学習手法を提案する。
  論文  参考訳（メタデータ） (2021-03-16T15:05:49Z)
• Enhancing Facial Data Diversity with Style-based Face Aging [59.984134070735934]
  特に、顔データセットは、通常、性別、年齢、人種などの属性の観点からバイアスされる。 本稿では, 細粒度の老化パターンをキャプチャするデータ拡張のための, 生成スタイルに基づく新しいアーキテクチャを提案する。 提案手法は, 年齢移動のための最先端アルゴリズムよりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-06-06T21:53:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。