論文の概要: Meta Balanced Network for Fair Face Recognition

• arxiv url: http://arxiv.org/abs/2205.06548v1
• Date: Fri, 13 May 2022 10:25:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-16 19:53:33.418335
• Title: Meta Balanced Network for Fair Face Recognition
• Title（参考訳）: フェアフェイス認識のためのメタバランスネットワーク
• Authors: Mei Wang, Yaobin Zhang, Weihong Deng
• Abstract要約: 我々は、データとアルゴリズムの両方の側面からバイアスを体系的に科学的に研究する。 本稿では,メタバランスネットワーク(MBN)と呼ばれるメタ学習アルゴリズムを提案する。 大規模な実験により、MBNは偏見を緩和し、顔認識において異なる肌のトーンを持つ人々に対してよりバランスの取れたパフォーマンスを学ぶことができた。
• 参考スコア（独自算出の注目度）: 51.813457201437195
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Although deep face recognition has achieved impressive progress in recent years, controversy has arisen regarding discrimination based on skin tone, questioning their deployment into real-world scenarios. In this paper, we aim to systematically and scientifically study this bias from both data and algorithm aspects. First, using the dermatologist approved Fitzpatrick Skin Type classification system and Individual Typology Angle, we contribute a benchmark called Identity Shades (IDS) database, which effectively quantifies the degree of the bias with respect to skin tone in existing face recognition algorithms and commercial APIs. Further, we provide two skin-tone aware training datasets, called BUPT-Globalface dataset and BUPT-Balancedface dataset, to remove bias in training data. Finally, to mitigate the algorithmic bias, we propose a novel meta-learning algorithm, called Meta Balanced Network (MBN), which learns adaptive margins in large margin loss such that the model optimized by this loss can perform fairly across people with different skin tones. To determine the margins, our method optimizes a meta skewness loss on a clean and unbiased meta set and utilizes backward-on-backward automatic differentiation to perform a second order gradient descent step on the current margins. Extensive experiments show that MBN successfully mitigates bias and learns more balanced performance for people with different skin tones in face recognition. The proposed datasets are available at http://www.whdeng.cn/RFW/index.html.
• Abstract（参考訳）: 近年、深部顔認識は目覚ましい進歩を遂げているが、肌のトーンに基づく差別や、現実のシナリオへの展開に疑問を呈する議論が起きている。 本稿では,データとアルゴリズムの両面から,このバイアスを体系的かつ科学的に研究することを目的とする。 まず、皮膚科医がFitzpatrick Skin Type分類システムとPersonal Typology Angleを承認し、既存の顔認識アルゴリズムや商用APIの肌色に対するバイアスの度合いを効果的に定量化するIDSデータベース(Identity Shades:IDS)と呼ばれるベンチマークを提出する。 さらに、トレーニングデータのバイアスを取り除くために、BUPT-GlobalfaceデータセットとBUPT-Balancedfaceデータセットと呼ばれる2つのスキントーン対応トレーニングデータセットを提供する。 最後に、アルゴリズムバイアスを軽減するために、メタバランスネットワーク(meta balanced network, mbn)と呼ばれる新しいメタ学習アルゴリズムを提案する。 マージンを決定するために, クリーンかつアンバイアスなメタセット上でのメタスキューネス損失を最適化し, 後方方向の自動微分を利用して, 現行マージンの2次勾配降下ステップを実行する。 大規模な実験により、MBNは偏見を緩和し、顔認識において異なる肌のトーンを持つ人々に対してよりバランスのとれたパフォーマンスを学ぶ。 提案されたデータセットはhttp://www.whdeng.cn/rfw/index.htmlで利用可能である。

関連論文リスト

• 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)
• Marginal Debiased Network for Fair Visual Recognition [59.05212866862219]
  本稿では,デバイアス表現を学習するための新しい限界脱バイアスネットワーク(MDN)を提案する。 我々のMDNは、表現不足のサンプルに対して顕著な性能を達成できる。
  論文  参考訳（メタデータ） (2024-01-04T08:57:09Z)
• 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)
• Rethinking Bias Mitigation: Fairer Architectures Make for Fairer Face Recognition [107.58227666024791]
  顔認識システムは、法執行を含む安全クリティカルなアプリケーションに広くデプロイされている。 彼らは、性別や人種など、様々な社会的デデノグラフィー次元に偏見を示す。 バイアス軽減に関するこれまでの研究は、主にトレーニングデータの事前処理に重点を置いていた。
  論文  参考訳（メタデータ） (2022-10-18T15:46:05Z)
• BoundaryFace: A mining framework with noise label self-correction for Face Recognition [9.383955886871743]
  本稿では,サンプルの真理クラスセンターと最も近い負のクラスセンターの関係に着目した新たなマイニングフレームワークを提案する。 提案手法は,様々な顔認証ベンチマークにおいて,SOTA法より一貫して優れる。
  論文  参考訳（メタデータ） (2022-10-10T11:12:24Z)
• 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)
• 3D Dense Geometry-Guided Facial Expression Synthesis by Adversarial Learning [54.24887282693925]
  本稿では,3次元密度(深度,表面正規度)情報を表現操作に用いる新しいフレームワークを提案する。 既製の最先端3D再構成モデルを用いて深度を推定し,大規模RGB-Depthデータセットを作成する。 実験により,提案手法は競争ベースラインと既存の芸術を大きなマージンで上回ることを示した。
  論文  参考訳（メタデータ） (2020-09-30T17:12:35Z)
• SensitiveLoss: Improving Accuracy and Fairness of Face Representations with Discrimination-Aware Deep Learning [17.088716485755917]
  偏見認識アルゴリズムの精度と公平性を改善するための識別認識学習法を提案する。 実験により、最もよく使われている顔データベースに基づく学習プロセスが、アルゴリズムによる識別の強い、一般的な訓練済みの深層顔モデルに繋がったことを示す。 提案手法は,事前学習ネットワークへのアドオンとして機能し,平均精度と公平性の観点から性能向上に有効である。
  論文  参考訳（メタデータ） (2020-04-22T10:32:16Z)
• Real-time Segmentation and Facial Skin Tones Grading [6.222979369834314]
  本稿では, 深層畳み込みニューラルネットワーク(DCNN)を用いた, 毛髪および顔面皮膚のセグメンテーションのための効率的なセグメンテーション法を提案する。 CPU環境では、Figaro1kデータセット上の90.73%のPixel精度を16FPS以上で達成しています。 さらに,肌の色調評価にマスクカラーモーメントを用い,約80%の分類精度で提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2019-12-30T11:35:36Z)

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。