論文の概要: Cinderella's shoe won't fit Soundarya: An audit of facial processing tools on Indian faces

• arxiv url: http://arxiv.org/abs/2112.09326v1
• Date: Fri, 17 Dec 2021 05:10:37 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-20 15:50:21.788926
• Title: Cinderella's shoe won't fit Soundarya: An audit of facial processing tools on Indian faces
• Title（参考訳）: Cinderellaの靴はSoundaryaに合わない:インドの顔の顔処理ツールの監査
• Authors: Gaurav Jain, Smriti Parsheera
• Abstract要約: インド人の顔のデータセット上の4つの商用顔処理ツールの顔検出と顔解析機能をテストする。 インド人の女性の顔の性別分類誤差は、男性に比べて一貫して高い。 年齢分類ミスも大きい。
• 参考スコア（独自算出の注目度）: 1.52292571922932
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The increasing adoption of facial processing systems in India is fraught with concerns of privacy, transparency, accountability, and missing procedural safeguards. At the same time, we also know very little about how these technologies perform on the diverse features, characteristics, and skin tones of India's 1.34 billion-plus population. In this paper, we test the face detection and facial analysis functions of four commercial facial processing tools on a dataset of Indian faces. The tools display varying error rates in the face detection and gender and age classification functions. The gender classification error rate for Indian female faces is consistently higher compared to that of males -- the highest female error rate being 14.68%. In some cases, this error rate is much higher than that shown by previous studies for females of other nationalities. Age classification errors are also high. Despite taking into account an acceptable error margin of plus or minus 10 years from a person's actual age, age prediction failures are in the range of 14.3% to 42.2%. These findings point to the limited accuracy of facial processing tools, particularly for certain demographic groups, and the need for more critical thinking before adopting such systems.
• Abstract（参考訳）: インドにおける顔処理システムの採用の増加は、プライバシー、透明性、説明責任、手続き上の保護の欠如といった懸念に悩まされている。 同時に、これらの技術がインドの133億人超の人口の多様な特徴、特徴、肌の色に与える影響についてはほとんどわかっていません。 本論文では,インドの顔のデータセット上での4つの商用顔処理ツールの顔検出と顔解析機能をテストする。 このツールは、顔検出と性別と年齢の分類関数における様々なエラー率を表示する。 インド女性の顔の性別分類誤差は、男性に比べて一貫して高く、最も高い女性誤差率は14.68%である。 場合によっては、他の国籍の女性に対する以前の研究よりはるかに高い誤差率である。 年齢分類の誤差も高い。 実際の年齢から10年後の許容誤差の差を考慮に入れながらも、年齢予測の失敗は14.3%から42.2%の範囲にある。 これらの知見は、特に特定の人口集団において、顔処理ツールの精度が限られており、そのようなシステムを採用する前により批判的な思考が必要であることを示唆している。

関連論文リスト

• Noise-Tolerance GPU-based Age Estimation Using ResNet-50 [0.0]
  UTKFaceデータセットにディープ残差ニューラルネットワークを実装した。 入力データに15dBのノイズを注入した場合,実装ネットワークの性能は1.5%以下であることを示す。
  論文  参考訳（メタデータ） (2023-04-26T16:38:41Z)
• Robustness Disparities in Face Detection [64.71318433419636]
  本稿では,その顔検出システムの詳細なベンチマークとして,商業モデルと学術モデルのノイズに対する頑健性について検討する。 すべてのデータセットやシステム全体で、$textitmasculineである個人の写真が$textitdarker skin type$$$、$textitdarker$、または$textitdim lighting$は、他のIDよりもエラーの影響を受けやすい。
  論文  参考訳（メタデータ） (2022-11-29T05:22:47Z)
• Are Face Detection Models Biased? [69.68854430664399]
  顔領域の局所化による顔検出領域のバイアスについて検討した。 既存の顔検出データセットの多くは、このような分析に適したアノテーションを欠いている。 性別や肌の音色による検出精度の相違を観察し, 画像診断以外の要因の相互関係を考察した。
  論文  参考訳（メタデータ） (2022-11-07T14:27:55Z)
• The Gender Gap in Face Recognition Accuracy Is a Hairy Problem [8.768049933358968]
  まず、男女の髪型が顔の認識精度に影響を及ぼす重要な違いがあることを実証する。 そして、認識精度を推定するために使用されるデータが、髪型が顔を妨げるかによって性別間でバランスが取れている場合、当初観察された精度の男女差が大きく消失することを示した。
  論文  参考訳（メタデータ） (2022-06-10T04:32:47Z)
• Gendered Differences in Face Recognition Accuracy Explained by Hairstyles, Makeup, and Facial Morphology [11.50297186426025]
  女性には顔認識精度が低いという研究文献に合意がある。 テスト画像中の可視面の等しい量の制御は、女性にとって明らかに高い偽非一致率を緩和する。 さらなる分析により、化粧バランスの取れたデータセットは女性をさらに改善し、偽の非マッチ率を低くすることが示された。
  論文  参考訳（メタデータ） (2021-12-29T17:07:33Z)
• Robustness Disparities in Commercial Face Detection [72.25318723264215]
  私たちは、Amazon Rekognition、Microsoft Azure、Google Cloud Platformの3つのシステムの堅牢性に関する、この種の詳細なベンチマークを初めて提示します。 一般的には、年齢、男性像、肌型、薄暗い色合いの人物の写真は、他のアイデンティティーの人物よりも、エラーの影響を受けやすいことが分かりました。
  論文  参考訳（メタデータ） (2021-08-27T21:37:16Z)
• Age Gap Reducer-GAN for Recognizing Age-Separated Faces [72.26969872180841]
  本稿では,年齢変化に伴う顔と時間変化をマッチングする新しいアルゴリズムを提案する。 提案手法は,顔の年齢推定と年齢別顔の検証を組み合わせた統合フレームワークである。
  論文  参考訳（メタデータ） (2020-11-11T16:43:32Z)
• Age and Gender Prediction From Face Images Using Attentional Convolutional Network [6.3344832182228]
  注意的・残差畳み込みネットワークのアンサンブルに基づく深層学習の枠組みを提案し,高い精度で顔画像の性別と年齢を推定する。 我々のモデルは、一般的な顔年齢と性別のデータセットに基づいて訓練され、有望な結果を得た。
  論文  参考訳（メタデータ） (2020-10-08T06:33:55Z)
• Towards Gender-Neutral Face Descriptors for Mitigating Bias in Face Recognition [51.856693288834975]
  最先端のディープネットワークは、顔認識のために訓練されている間、性別情報を暗黙的にエンコードする。 ジェンダーは顔を識別する上で重要な属性と見なされることが多い。 本稿では,顔ディスクリプタに存在する性別情報を減らすために,新たにAGENDA(Adversarial Gender De-biasing Algorithm)を提案する。
  論文  参考訳（メタデータ） (2020-06-14T08:54:03Z)
• Investigating Bias in Deep Face Analysis: The KANFace Dataset and Empirical Study [67.3961439193994]
  現在までに最も包括的で大規模な顔画像とビデオのデータセットを導入している。 データは、アイデンティティ、正確な年齢、性別、親族関係の点で手動で注釈付けされる。 提案したベンチマークでネットワーク埋め込みをデバイアス化する手法を導入し,テストした。
  論文  参考訳（メタデータ） (2020-05-15T00:14:39Z)
• Analysis of Gender Inequality In Face Recognition Accuracy [11.6168015920729]
  以上の結果から,(1) 類似度が高い女性に対して,(1) 類似度が高い女性に対して,(2) 類似度が高い女性に対して,(2) 類似度が高い女性に対して,詐欺師の分布は,女性の精度が低下していることが示唆された。 この現象は、アフリカ系アメリカ人、コーカサス系、アジア系の女性の顔のデータセットに共通している。
  論文  参考訳（メタデータ） (2020-01-31T21:32:53Z)

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。