論文の概要: Exploring Causes of Demographic Variations In Face Recognition Accuracy
- arxiv url: http://arxiv.org/abs/2304.07175v1
- Date: Fri, 14 Apr 2023 14:50:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-17 13:20:20.902745
- Title: Exploring Causes of Demographic Variations In Face Recognition Accuracy
- Title（参考訳）: 顔認識精度における画像変化の探索
- Authors: Gabriella Pangelinan, K.S. Krishnapriya, Vitor Albiero, Grace Bezold,
Kai Zhang, Kushal Vangara, Michael C. King, Kevin W. Bowyer
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 10.534382915377025
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, media reports have called out bias and racism in face
recognition technology. We review experimental results exploring several
speculated causes for asymmetric cross-demographic performance. We consider
accuracy differences as represented by variations in non-mated (impostor) and /
or mated (genuine) distributions for 1-to-1 face matching. Possible causes
explored include differences in skin tone, face size and shape, imbalance in
number of identities and images in the training data, and amount of face
visible in the test data ("face pixels"). We find that demographic differences
in face pixel information of the test images appear to most directly impact the
resultant differences in face recognition accuracy.
- Abstract（参考訳）: 近年、メディアは顔認識技術における偏見と人種差別を非難している。
本稿では,非対称クロスデポグラフィ性能の原因を考察する実験結果について検討する。
精度の違いは, 1対1の面マッチングに対する非調分布と/または交配分布の変化によって表される。
考えられる原因には、肌の色、顔の大きさ、形状の違い、トレーニングデータにおける身元や画像の数の不均衡、テストデータで見える顔の量(「顔のピクセル」)などがある。
テスト画像の顔画像情報の人口統計学的差異は、顔認識精度の相違に最も直接的に影響を与えると考えられる。
関連論文リスト
- Impact of Blur and Resolution on Demographic Disparities in 1-to-Many
Facial Identification [6.818318933838661]
本稿では、人口集団間での1対多の顔認証の精度について分析する。
プローブ画像のぼかしの増加や、プローブ画像の顔の解像度の低下は、偽陽性の認識率を大幅に向上させることを示した。
論文 参考訳（メタデータ） (2023-09-08T17:13:22Z) - 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) - 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) - Face Recognition Accuracy Across Demographics: Shining a Light Into the
Problem [8.02620277513497]
顔の照明の違いによって生じる現象として,人口集団間で異なる顔認識精度について検討した。
両顔の偽像対は偽一致率(FMR)が増大していることが示される。
顔の明るさの変動を計測し、低すぎるか高すぎる顔の明るさが、顔領域の情報を減少させることを示すために、輝度情報メトリクスを提案する。
論文 参考訳（メタデータ） (2022-06-04T02:36:35Z) - Evaluation of Human and Machine Face Detection using a Novel Distinctive
Human Appearance Dataset [0.76146285961466]
画像中の顔を検出する能力において,現在最先端の顔検出モデルを評価する。
評価結果から,顔検出アルゴリズムは多様な外観に適さないことが示された。
論文 参考訳（メタデータ） (2021-11-01T02:20:40Z) - SynFace: Face Recognition with Synthetic Data [83.15838126703719]
我々は、ID混在(IM)とドメイン混在(DM)を併用したSynFaceを考案し、パフォーマンスギャップを緩和する。
また、合成顔画像の系統的実験分析を行い、合成データを顔認識に効果的に活用する方法についての知見を提供する。
論文 参考訳（メタデータ） (2021-08-18T03:41:54Z) - Unravelling the Effect of Image Distortions for Biased Prediction of
Pre-trained Face Recognition Models [86.79402670904338]
画像歪みの存在下での4つの最先端深層顔認識モデルの性能評価を行った。
我々は、画像歪みが、異なるサブグループ間でのモデルの性能ギャップと関係していることを観察した。
論文 参考訳（メタデータ） (2021-08-14T16:49:05Z) - Demographic Fairness in Face Identification: The Watchlist Imbalance
Effect [18.151605318786437]
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。
論文 参考訳（メタデータ） (2021-06-15T11:09:06Z) - Facial Manipulation Detection Based on the Color Distribution Analysis
in Edge Region [0.5735035463793008]
操作画像におけるエッジの垂直領域の色分布解析に基づく、一般化された、ロバストな顔操作検出手法を提案する。
本手法は, 各種データセットにおける合成顔画像の検出において, トレーニングに係わるか否かに関わらず, 既存の顔画像検出方法よりも優れていることを示す。
論文 参考訳（メタデータ） (2021-02-02T08:19:35Z) - 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。