Fugu-MT 論文翻訳(概要): Mitigating Algorithmic Bias on Facial Expression Recognition

論文の概要: Mitigating Algorithmic Bias on Facial Expression Recognition

arxiv url: http://arxiv.org/abs/2312.15307v1
Date: Sat, 23 Dec 2023 17:41:30 GMT
ステータス: 処理完了
システム内更新日: 2023-12-27 18:37:27.882453
Title: Mitigating Algorithmic Bias on Facial Expression Recognition
Title（参考訳）: 表情認識におけるアルゴリズムバイアスの緩和
Authors: Glauco Amigo, Pablo Rivas Perea, Robert J. Marks
Abstract要約: バイアス付きデータセットはユビキタスであり、機械学習の課題を提示している。偏りのあるデータセットの問題は、少数民族グループを扱う際に特に敏感である。本研究は, 表情認識実験による偏差変化型オートエンコーダを用いて, 偏差を緩和する方法の1つを探る。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Biased datasets are ubiquitous and present a challenge for machine learning. For a number of categories on a dataset that are equally important but some are sparse and others are common, the learning algorithms will favor the ones with more presence. The problem of biased datasets is especially sensitive when dealing with minority people groups. How can we, from biased data, generate algorithms that treat every person equally? This work explores one way to mitigate bias using a debiasing variational autoencoder with experiments on facial expression recognition.
Abstract（参考訳）: バイアス付きデータセットはユビキタスであり、機械学習の課題を提示している。データセット上のいくつかのカテゴリは、等しく重要であるが、一部はスパースであり、他のカテゴリは一般的である場合、学習アルゴリズムはより存在感の高いデータセットを好む。偏りのあるデータセットの問題は、少数民族グループを扱う場合に特に敏感である。偏見のあるデータから、すべての人を平等に扱うアルゴリズムをどうやって生成できるか? 本研究は,表情認識実験を用いた偏差自動エンコーダを用いたバイアス軽減の一手法について検討する。

関連論文リスト

Mitigating Representation Bias in Action Recognition: Algorithms and Benchmarks [76.35271072704384]
ディープラーニングモデルは、稀なシーンやオブジェクトを持つビデオに適用すると、パフォーマンスが悪くなります。この問題にはアルゴリズムとデータセットの2つの異なる角度から対処する。偏りのある表現は、他のデータセットやタスクに転送するとより一般化できることを示す。
論文参考訳（メタデータ） (2022-09-20T00:30:35Z)
D-BIAS: A Causality-Based Human-in-the-Loop System for Tackling Algorithmic Bias [57.87117733071416]
D-BIASは、人間のループ内AIアプローチを具現化し、社会的バイアスを監査し軽減する視覚対話型ツールである。ユーザは、因果ネットワークにおける不公平な因果関係を識別することにより、グループに対する偏見の存在を検出することができる。それぞれのインタラクション、例えばバイアスのある因果縁の弱体化/削除は、新しい(偏りのある)データセットをシミュレートするために、新しい方法を用いている。
論文参考訳（メタデータ） (2022-08-10T03:41:48Z)
Assessing Gender Bias in Predictive Algorithms using eXplainable AI [1.9798034349981162]
予測アルゴリズムは、医学や教育など様々な分野で利益をもたらす強力な可能性を秘めている。彼らは人間に存在する偏見と偏見を継承することができる。結果は、不公平な結果を生み出すエラーを体系的に繰り返すことができます。
論文参考訳（メタデータ） (2022-03-19T07:47:45Z)
Fair Group-Shared Representations with Normalizing Flows [68.29997072804537]
本研究では,異なるグループに属する個人を1つのグループにマッピングできる公正表現学習アルゴリズムを開発した。提案手法は,他の公正表現学習アルゴリズムと競合することを示す。
論文参考訳（メタデータ） (2022-01-17T10:49:49Z)
Algorithms are not neutral: Bias in collaborative filtering [0.0]
アルゴリズムバイアスの議論は、データまたはアルゴリズムを構築している人々が偏っている例に焦点を当てる傾向がある。これは、人気に悩まされ、バイアスを均質化することで知られる協調フィルタリングの例で示される。人気と均質化バイアスは、すでに限界を更に限界化させる効果があります。
論文参考訳（メタデータ） (2021-05-03T17:28:43Z)
Can Active Learning Preemptively Mitigate Fairness Issues? [66.84854430781097]
データセットバイアスは、機械学習における不公平な原因の1つです。不確実性に基づくALで訓練されたモデルが保護クラスの決定において公平であるかどうかを検討する。また,勾配反転(GRAD)やBALDなどのアルゴリズム的公正性手法の相互作用についても検討する。
論文参考訳（メタデータ） (2021-04-14T14:20:22Z)
Towards causal benchmarking of bias in face analysis algorithms [54.19499274513654]
顔分析アルゴリズムのアルゴリズムバイアスを測定する実験手法を開発した。提案手法は,一致したサンプル画像の合成トランスクター'を生成することに基づく。性別分類アルゴリズムの偏見を従来の観察法を用いて分析することにより,本手法の有効性を検証した。
論文参考訳（メタデータ） (2020-07-13T17:10:34Z)
Underestimation Bias and Underfitting in Machine Learning [2.639737913330821]
機械学習におけるアルゴリズムバイアスと呼ばれるものは、トレーニングデータの歴史的なバイアスによるものである。時には、アルゴリズム自体によってバイアスがもたらされる(あるいは少なくとも悪化する)ことがある。本稿では,分類アルゴリズムのバイアスに寄与する要因を理解するための初期研究について報告する。
論文参考訳（メタデータ） (2020-05-18T20:01:56Z)
Contrastive Examples for Addressing the Tyranny of the Majority [83.93825214500131]
我々は,グループメンバーシップを介在する,オリジナルのデータセットと新たなデータポイントからなるバランスの取れたトレーニングデータセットを作成することを提案する。コントラッシブ・サンプル(英語版)と呼ばれるこれらのデータポイントを学習するための強力なツールとして、現在の生成的敵ネットワークが重要であることを示す。
論文参考訳（メタデータ） (2020-04-14T14:06:44Z)
A survey of bias in Machine Learning through the prism of Statistical Parity for the Adult Data Set [5.277804553312449]
偏見を自動決定にどのように導入できるかを理解することの重要性を示す。まず、公正学習問題、特に二項分類設定における数学的枠組みについて述べる。そこで,本研究では,現実およびよく知られた成人所得データセットの標準差分効果指標を用いて,偏見の有無を定量化することを提案する。
論文参考訳（メタデータ） (2020-03-31T14:48:36Z)

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。