論文の概要: Racial Bias within Face Recognition: A Survey

• arxiv url: http://arxiv.org/abs/2305.00817v1
• Date: Mon, 1 May 2023 13:33:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-02 13:12:39.566231
• Title: Racial Bias within Face Recognition: A Survey
• Title（参考訳）: 顔認識における人種バイアス:調査
• Authors: Seyma Yucer, Furkan Tektas, Noura Al Moubayed, Toby P. Breckon
• Abstract要約: 人種的偏見の問題は、人種定義、グループ化戦略、人種または人種関連グループ化の社会的意味から始まる。 一般的な顔認識処理パイプラインは,画像取得,顔の局所化,顔表現,顔認証,識別の4段階に分けられる。 全体的な目的は、顔認識処理パイプラインの各ステージおよび各ステージに関して、人種的バイアス問題に関する包括的なカバレッジを提供することである。
• 参考スコア（独自算出の注目度）: 15.924281804465252
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Facial recognition is one of the most academically studied and industrially developed areas within computer vision where we readily find associated applications deployed globally. This widespread adoption has uncovered significant performance variation across subjects of different racial profiles leading to focused research attention on racial bias within face recognition spanning both current causation and future potential solutions. In support, this study provides an extensive taxonomic review of research on racial bias within face recognition exploring every aspect and stage of the face recognition processing pipeline. Firstly, we discuss the problem definition of racial bias, starting with race definition, grouping strategies, and the societal implications of using race or race-related groupings. Secondly, we divide the common face recognition processing pipeline into four stages: image acquisition, face localisation, face representation, face verification and identification, and review the relevant corresponding literature associated with each stage. The overall aim is to provide comprehensive coverage of the racial bias problem with respect to each and every stage of the face recognition processing pipeline whilst also highlighting the potential pitfalls and limitations of contemporary mitigation strategies that need to be considered within future research endeavours or commercial applications alike.
• Abstract（参考訳）: 顔認識は、コンピュータビジョンの中で最も学術的に研究され、工業的に開発された分野の1つです。 この広く普及した採用は、異なる人種プロファイルの被験者間で著しいパフォーマンスの変動を発見し、現在の因果関係と将来の潜在的な解決策の両方にまたがる顔認識における人種バイアスに焦点をあてた研究につながった。 この研究は、顔認識処理パイプラインのあらゆる側面と段階を探索する顔認識における人種バイアスの研究に関する広範な分類学的レビューを提供する。 まず、人種バイアスの問題定義について、人種定義、グループ化戦略、人種または人種に関連するグループ化の使用の社会的意味について論じる。 第2に、一般的な顔認識処理パイプラインを、画像取得、顔の局所化、顔の表現、顔の検証と識別の4段階に分け、各段階に関連する関連する文献をレビューする。 全体的な目的は、顔認識処理パイプラインの各段階およびすべての段階に関して、人種バイアス問題の包括的なカバレッジを提供することであり、また、将来の研究目的や商用アプリケーションで考慮すべき現代の緩和戦略の潜在的な落とし穴と限界を強調することである。

関連論文リスト

• Towards Fair Face Verification: An In-depth Analysis of Demographic Biases [11.191375513738361]
  近年,深層学習に基づく人物識別・検証システムは,精度の面で著しく向上している。 しかし、このようなシステムは人種、年齢、性別に関する重大な偏見を呈している。 本稿では,これらの要因の交叉性に着目した詳細な分析を行う。
  論文  参考訳（メタデータ） (2023-07-19T14:49:14Z)
• Human-Machine Comparison for Cross-Race Face Verification: Race Bias at the Upper Limits of Performance? [0.7036032466145111]
  顔認識アルゴリズムは、一部のケースでは人間よりも精度が高いが、人間と機械はどちらも人種ベースの精度の違いを示している。 我々は「クロスレース」顔認証の挑戦的なテストを構築し、人間と最先端の顔認識システム2つを比較した。 我々は,黒と白の2つの顔画像間の身元確認のための最先端のシステムが一般人口を上回ることができると結論付けた。
  論文  参考訳（メタデータ） (2023-05-25T19:41:13Z)
• 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)
• The Impact of Racial Distribution in Training Data on Face Recognition Bias: A Closer Look [0.0]
  トレーニングデータにおける人種分布が顔認識モデルの性能に及ぼす影響について検討する。 精度メトリクス、クラスタリングメトリクス、UMAPプロジェクション、顔の品質、決定しきい値を用いて、これらのトレーニングされたモデルを解析する。
  論文  参考訳（メタデータ） (2022-11-26T07:03:24Z)
• Anatomizing Bias in Facial Analysis [86.79402670904338]
  既存の顔分析システムでは、特定の集団群に対して偏りのある結果が得られることが示されている。 これらのシステムは、個人の性別、アイデンティティ、肌のトーンに基づいて差別されないようにすることが義務づけられている。 これはAIシステムにおけるバイアスの識別と緩和の研究につながった。
  論文  参考訳（メタデータ） (2021-12-13T09:51:13Z)
• Measuring Hidden Bias within Face Recognition via Racial Phenotypes [21.74534280021516]
  本研究は、顔認識のための顔表現型属性を用いた、代替的な人種的偏見分析手法を提案する。 顔認識タスクにおける属性の個人的影響を調べるための分類的テストケースを提案する。
  論文  参考訳（メタデータ） (2021-10-19T10:46:59Z)
• Learning Fair Face Representation With Progressive Cross Transformer [79.73754444296213]
  フェアフェイス認識のためのプログレッシブクロストランス (PCT) 手法を提案する。 我々は,PCTが最先端FR性能を達成しつつ,顔認識におけるバイアスを軽減することができることを示した。
  論文  参考訳（メタデータ） (2021-08-11T01:31:14Z)
• 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)
• Mitigating Face Recognition Bias via Group Adaptive Classifier [53.15616844833305]
  この研究は、全てのグループの顔がより平等に表現できる公正な顔表現を学ぶことを目的としている。 我々の研究は、競争精度を維持しながら、人口集団間での顔認識バイアスを軽減することができる。
  論文  参考訳（メタデータ） (2020-06-13T06:43:37Z)
• Exploring Racial Bias within Face Recognition via per-subject Adversarially-Enabled Data Augmentation [15.924281804465252]
  本稿では,オブジェクト単位のデータセットバランスの実現を目的とした,新たな逆派生データ拡張手法を提案する。 我々の目的は、様々な人種領域にまたがる顔画像を変換することで、合成データセットを自動構築することである。 両面比較では,提案手法が(人種)少数集団の認識性能に与える影響が示唆された。
  論文  参考訳（メタデータ） (2020-04-19T19:46:32Z)
• On the Robustness of Face Recognition Algorithms Against Attacks and Bias [78.68458616687634]
  顔認識アルゴリズムは非常に高い認識性能を示しており、現実のアプリケーションに適していることを示唆している。 精度が向上したにもかかわらず、これらのアルゴリズムの攻撃や偏見に対する堅牢性は問題視されている。 本稿では,顔認識アルゴリズムの頑健性に挑戦する様々な方法について要約する。
  論文  参考訳（メタデータ） (2020-02-07T18:21:59Z)

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。