論文の概要: Demographic Fairness in Face Identification: The Watchlist Imbalance Effect

• arxiv url: http://arxiv.org/abs/2106.08049v2
• Date: Wed, 16 Jun 2021 07:45:48 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-17 11:41:59.875836
• Title: Demographic Fairness in Face Identification: The Watchlist Imbalance Effect
• Title（参考訳）: 顔識別におけるデモグラフィックフェアネス:ウォッチリストの不均衡効果
• Authors: Pawel Drozdowski, Christian Rathgeb, Christoph Busch
• Abstract要約: ウォッチリストの不均衡効果」を「ウォッチリスト不均衡効果」と呼ぶ。 このデータベース構成は生体認証システムの性能差に大きな影響を与えることが示されている。
• 参考スコア（独自算出の注目度）: 18.151605318786437
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, different researchers have found that the gallery composition of a face database can induce performance differentials to facial identification systems in which a probe image is compared against up to all stored reference images to reach a biometric decision. This negative effect is referred to as "watchlist imbalance effect". In this work, we present a method to theoretically estimate said effect for a biometric identification system given its verification performance across demographic groups and the composition of the used gallery. Further, we report results for identification experiments on differently composed demographic subsets, i.e. females and males, of the public academic MORPH database using the open-source ArcFace face recognition system. It is shown that the database composition has a huge impact on performance differentials in biometric identification systems, even if performance differentials are less pronounced in the verification scenario. This study represents the first detailed analysis of the watchlist imbalance effect which is expected to be of high interest for future research in the field of facial recognition.
• Abstract（参考訳）: 近年、顔データベースのギャラリー構成は、プローブ画像がすべての記憶されている参照画像に対して比較された顔識別システムの性能差を誘導し、生体的決定に達することが判明している。 この負の効果は「ウォッチリストの不均衡効果」と呼ばれる。 本研究では,人口統計学的グループ間での検証性能と使用済みギャラリーの構成から,生体認証システムにおけるその効果を理論的に推定する手法を提案する。 さらに, 異なる構成の分類群, すなわち, 識別実験の結果について報告する。 オープンソースの顔認証システムであるArcFaceを使用して、公開学術MORPHデータベースの女性と男性。 また, データベース構成は, 検証シナリオにおいて性能差があまり発音されない場合でも, 生体認証システムの性能差に大きな影響を与えることが示された。 本研究は、顔認識の分野での今後の研究に高い関心を持つであろうウォッチリストの不均衡効果の、最初の詳細な分析である。

関連論文リスト

• An Evaluation of Forensic Facial Recognition [16.17759191184531]
  本稿では,大規模な合成顔データセットの構築と,顔の法医学的ラインアップについて述べる。 本稿では,2つのニューラルネットワーク認識システムの精度を評価する。 これまでに報告された顔認識の精度は95%以上低下し、このより困難な法医学的シナリオでは65%にまで低下した。
  論文  参考訳（メタデータ） (2023-11-10T16:02:46Z)
• What Should Be Balanced in a "Balanced" Face Recognition Dataset? [8.820019122897154]
  顔認識アルゴリズムの精度を評価するために、様々な顔画像データセットが「フェア」または「バランス」として提案されている。 評価データセットにおけるアイデンティティの数と画像が、1対1の顔マッチング精度の要因ではないことに注意する必要がある。 本稿では,本論文で言及した因子とバランスの取れたクロスデデマトグラフィー評価データセットの作成を容易にするバイアス対応ツールキットを提案する。
  論文  参考訳（メタデータ） (2023-04-17T22:02:03Z)
• Exploring Causes of Demographic Variations In Face Recognition Accuracy [10.534382915377025]
  我々は,1対1の顔マッチングにおいて,非メイト(インポスタ)と/または交配(ジェヌイン)のばらつきによって,精度の違いが表されると考えている。 調査された原因には、皮膚のトーンの違い、顔のサイズと形状の違い、トレーニングデータにおける身元と画像の数の不均衡、テストデータで見える顔の量などが含まれる。
  論文  参考訳（メタデータ） (2023-04-14T14:50:59Z)
• Fairness on Synthetic Visual and Thermal Mask Images [1.4524096882720263]
  本研究では,視覚・熱画像の性能と公正性について検討し,マスク付き合成画像の評価を拡大する。 本研究では,S talkingFace と Thermal-Mask のデータセットを用いて,実画像の公平性を評価し,合成画像にどのように同じプロセスを適用するかを示す。
  論文  参考訳（メタデータ） (2022-09-19T05:04:42Z)
• CIAO! A Contrastive Adaptation Mechanism for Non-Universal Facial Expression Recognition [80.07590100872548]
  本稿では、顔エンコーダの最後の層に異なるデータセットの特定の感情特性を適応させるメカニズムであるContrastive Inhibitory Adaptati On(CIAO)を提案する。 CIAOは、非常にユニークな感情表現を持つ6つの異なるデータセットに対して、表情認識性能が改善されている。
  論文  参考訳（メタデータ） (2022-08-10T15:46:05Z)
• Towards Intrinsic Common Discriminative Features Learning for Face Forgery Detection using Adversarial Learning [59.548960057358435]
  本稿では, 対人学習を利用して, 異なる偽造法と顔の同一性による負の効果を除去する手法を提案する。 我々の顔偽造検出モデルは、偽造法や顔の同一性の影響を排除し、共通の識別的特徴を抽出することを学ぶ。
  論文  参考訳（メタデータ） (2022-07-08T09:23:59Z)
• A Deep Dive into Dataset Imbalance and Bias in Face Identification [49.210042420757894]
  メディアの描写は、自動顔認識システムにおけるバイアスの主な原因として、しばしば不均衡を浮き彫りにする。 FRにおけるデータ不均衡に関するこれまでの研究は、顔認証の設定にのみ焦点をあててきた。 この研究は、顔の識別における各種類の不均衡の影響を徹底的に調査し、この設定におけるバイアスに影響を与える他の要因について議論する。
  論文  参考訳（メタデータ） (2022-03-15T20:23:13Z)
• A Synthesis-Based Approach for Thermal-to-Visible Face Verification [105.63410428506536]
  本稿では,ARL-VTFおよびTUFTSマルチスペクトル顔データセット上での最先端性能を実現するアルゴリズムを提案する。 MILAB-VTF(B)も提案する。
  論文  参考訳（メタデータ） (2021-08-21T17:59:56Z)
• On the Applicability of Synthetic Data for Face Recognition [19.095368725147367]
  国境管理の一部として収集された顔画像の使用は、欧州一般データ保護法によって制限され、当初の目的以外は処理されない。 本論文では,StyleGANとStyleGAN2で生成する合成顔画像の適合性を検討し,公的に利用可能な大規模テストデータの不足を補う。
  論文  参考訳（メタデータ） (2021-04-06T22:12:30Z)
• Facial Expressions as a Vulnerability in Face Recognition [73.85525896663371]
  本研究では,顔認識システムのセキュリティ脆弱性としての表情バイアスについて検討する。 本稿では,表情バイアスが顔認識技術の性能に与える影響を包括的に分析する。
  論文  参考訳（メタデータ） (2020-11-17T18:12:41Z)
• Investigating the Impact of Inclusion in Face Recognition Training Data on Individual Face Identification [93.5538147928669]
  最新のオープンソースの顔認識システムであるArcFaceを、100万枚以上の散らばった画像を用いた大規模な顔識別実験で監査する。 モデルのトレーニングデータには79.71%、存在しない人には75.73%のランク1顔認証精度がある。
  論文  参考訳（メタデータ） (2020-01-09T15:50:28Z)

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。