論文の概要: A Comprehensive Study on Face Recognition Biases Beyond Demographics
- arxiv url: http://arxiv.org/abs/2103.01592v1
- Date: Tue, 2 Mar 2021 09:29:09 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-04 21:22:22.503608
- Title: A Comprehensive Study on Face Recognition Biases Beyond Demographics
- Title（参考訳）: デモグラフィックを超えた顔認識バイアスに関する総合的研究
- Authors: Philipp Terh\"orst, Jan Niklas Kolf, Marco Huber, Florian
Kirchbuchner, Naser Damer, Aythami Morales, Julian Fierrez, Arjan Kuijper
- Abstract要約: 顔認識(FR)システムは重要な意思決定プロセスに影響を及ぼす。
近年の研究では、FRソリューションはユーザの人口統計に基づく大きなパフォーマンス差を示すことが示されている。
信頼できるFR技術を可能にするには、FRに対する顔の属性の拡張範囲の影響を知ることが不可欠です。
- 参考スコア（独自算出の注目度）: 12.18029358410109
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Face recognition (FR) systems have a growing effect on critical
decision-making processes. Recent works have shown that FR solutions show
strong performance differences based on the user's demographics. However, to
enable a trustworthy FR technology, it is essential to know the influence of an
extended range of facial attributes on FR beyond demographics. Therefore, in
this work, we analyse FR bias over a wide range of attributes. We investigate
the influence of 47 attributes on the verification performance of two popular
FR models. The experiments were performed on the publicly available MAADFace
attribute database with over 120M high-quality attribute annotations. To
prevent misleading statements about biased performances, we introduced control
group based validity values to decide if unbalanced test data causes the
performance differences. The results demonstrate that also many non-demographic
attributes strongly affect the recognition performance, such as accessories,
hair-styles and colors, face shapes, or facial anomalies. The observations of
this work show the strong need for further advances in making FR system more
robust, explainable, and fair. Moreover, our findings might help to a better
understanding of how FR networks work, to enhance the robustness of these
networks, and to develop more generalized bias-mitigating face recognition
solutions.
- Abstract（参考訳）: 顔認識(FR)システムは重要な意思決定プロセスに影響を及ぼす。
近年の研究では、FRソリューションはユーザの人口統計に基づく大きなパフォーマンス差を示すことが示されている。
しかし、信頼性の高いFR技術を実現するためには、人口動態を超えた幅広い顔特性がFRに与える影響を知ることが不可欠である。
そこで本研究では,幅広い属性に対してFRバイアスを解析する。
2つの人気FRモデルの検証性能に及ぼす47属性の影響について検討する。
実験は公開のMAADFace属性データベース上で120万以上の高品質の属性アノテーションを使って行われた。
偏りのある性能に関する誤解を招くことを防ぐため、制御群に基づく妥当性値を導入し、不均衡なテストデータが性能差を引き起こすかどうかを判定した。
その結果,非デマトグラフィー特性は,アクセサリー,髪型,色,顔の形,顔の異常など,認識性能に強く影響を及ぼすことがわかった。
この研究の観察は、FRシステムをより堅牢で説明可能で公正にするためのさらなる進歩に対する強い必要性を示しています。
さらに,frネットワークの動作をよりよく理解し,これらのネットワークの堅牢性を高め,より一般化したバイアス緩和型顔認識ソリューションの開発に寄与する可能性が示唆された。
関連論文リスト
- Fairness Under Cover: Evaluating the Impact of Occlusions on Demographic Bias in Facial Recognition [0.0]
BUPT-BalancedおよびBUPT-GlobalFaceデータセット上で訓練した顔認識モデルの性能評価を行った。
そこで本研究では,異なる集団間でのモデル性能にどの程度のオクルージョンが影響するかを定量化する,新しい指標である顔閉塞インパクト比(FOIR)を提案する。
論文 参考訳（メタデータ） (2024-08-19T17:34:19Z) - CATFace: Cross-Attribute-Guided Transformer with Self-Attention
Distillation for Low-Quality Face Recognition [12.129404936688752]
顔認識(FR)の性能を高めるために,ソフトバイオメトリックス(SB)属性情報を利用する新しいマルチブランチニューラルネットワークを提案する。
特徴空間において,高品質な画像と高品質な画像とを整列させることにより,ランドマークなどの重要な顔領域を効果的に強調する,新しい自己注意蒸留フレームワークを導入する。
論文 参考訳（メタデータ） (2024-01-05T19:21:31Z) - Cluster-level pseudo-labelling for source-free cross-domain facial
expression recognition [94.56304526014875]
表情認識のためのSFUDA法を提案する。
本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。
提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
論文 参考訳（メタデータ） (2022-10-11T08:24:50Z) - Towards Explaining Demographic Bias through the Eyes of Face Recognition
Models [6.889667606945215]
データとアルゴリズムの両方に固有のバイアスは、機械学習(ML)ベースの意思決定システムの公平性を最適以下にする。
我々は、異なる人口集団を処理する際に、顔認識モデルの振る舞いの違いを分析する一連の説明可能性ツールを提供することを目標としている。
我々は、アクティベーションマップに基づく高次統計情報を活用して、FRモデルの行動差を特定の顔領域に関連付ける説明可能性ツールを構築する。
論文 参考訳（メタデータ） (2022-08-29T07:23:06Z) - Explaining Bias in Deep Face Recognition via Image Characteristics [9.569575076277523]
2つのデータセットのセキュリティとユーザビリティの観点から,10種類の最先端の顔認識モデルを評価し,その妥当性を比較した。
次に,画像特性がモデル性能に与える影響を解析する。
論文 参考訳（メタデータ） (2022-08-23T17:18:23Z) - TransFA: Transformer-based Representation for Face Attribute Evaluation [87.09529826340304]
我々はtextbfTransFA を用いたtextbfattribute 評価のための新しい textbf Transformer 表現を提案する。
提案するTransFAは,最先端手法と比較して優れた性能を示す。
論文 参考訳（メタデータ） (2022-07-12T10:58:06Z) - Fair SA: Sensitivity Analysis for Fairness in Face Recognition [1.7149364927872013]
汎用フレームワークの形で頑健性に基づく新しい公正性評価を提案する。
我々は、一般的な顔認識モデルの性能を分析し、画像が摂動状態にある場合、ある種のサブグループが不利であることを実証的に示す。
論文 参考訳（メタデータ） (2022-02-08T01:16:09Z) - Confounder Identification-free Causal Visual Feature Learning [84.28462256571822]
本稿では,創始者を特定する必要性を排除した,創始者同定自由因果視覚特徴学習(CICF)手法を提案する。
CICFは、フロントドア基準に基づいて異なるサンプル間の介入をモデル化し、インスタンスレベルの介入に対するグローバルスコープ干渉効果を近似する。
我々は,CICFと一般的なメタラーニング戦略MAMLの関係を明らかにするとともに,MAMLが理論的観点から機能する理由を解釈する。
論文 参考訳（メタデータ） (2021-11-26T10:57:47Z) - Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。
IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
論文 参考訳（メタデータ） (2021-07-26T10:40:59Z) - 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) - Suppressing Uncertainties for Large-Scale Facial Expression Recognition [81.51495681011404]
本稿では,不確実性を効果的に抑制し,深層ネットワークが不確実な顔画像に過度に収まらないような,シンプルで効率的なセルフキュアネットワーク(SCN)を提案する。
公開ベンチマークの結果、我々のSCNは現在の最先端メソッドよりも、RAF-DBで textbf88.14%、AffectNetで textbf60.23%、FERPlusで textbf89.35% を上回りました。
論文 参考訳（メタデータ） (2020-02-24T17:24:36Z)
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。