論文の概要: Bridging the gap in FER: addressing age bias in deep learning

• arxiv url: http://arxiv.org/abs/2507.07638v1
• Date: Thu, 10 Jul 2025 11:07:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-11 16:40:15.369114
• Title: Bridging the gap in FER: addressing age bias in deep learning
• Title（参考訳）: FERのギャップを埋める--Deep Learningにおける年齢バイアスに対処する
• Authors: F. Xavier Gaya-Morey, Julia Sanchez-Perez, Cristina Manresa-Yee, Jose M. Buades-Rubio,
• Abstract要約: 深部FERモデルにおける年齢関連バイアスについて検討し,特に高齢者に焦点をあてた。 説明可能なAI(XAI)技術を用いて,表現認識と注意パターンの系統的差異を同定する。 その結果,高齢者の認識精度は一貫した改善が見られた。
• 参考スコア（独自算出の注目度）: 0.562479170374811
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Facial Expression Recognition (FER) systems based on deep learning have achieved impressive performance in recent years. However, these models often exhibit demographic biases, particularly with respect to age, which can compromise their fairness and reliability. In this work, we present a comprehensive study of age-related bias in deep FER models, with a particular focus on the elderly population. We first investigate whether recognition performance varies across age groups, which expressions are most affected, and whether model attention differs depending on age. Using Explainable AI (XAI) techniques, we identify systematic disparities in expression recognition and attention patterns, especially for "neutral", "sadness", and "anger" in elderly individuals. Based on these findings, we propose and evaluate three bias mitigation strategies: Multi-task Learning, Multi-modal Input, and Age-weighted Loss. Our models are trained on a large-scale dataset, AffectNet, with automatically estimated age labels and validated on balanced benchmark datasets that include underrepresented age groups. Results show consistent improvements in recognition accuracy for elderly individuals, particularly for the most error-prone expressions. Saliency heatmap analysis reveals that models trained with age-aware strategies attend to more relevant facial regions for each age group, helping to explain the observed improvements. These findings suggest that age-related bias in FER can be effectively mitigated using simple training modifications, and that even approximate demographic labels can be valuable for promoting fairness in large-scale affective computing systems.
• Abstract（参考訳）: 近年,ディープラーニングに基づく顔表情認識(FER)システムの性能向上が目覚ましい。 しかしながら、これらのモデルはしばしば人口統計学的バイアスを示し、特に年齢に関して、その公平さと信頼性を損なう可能性がある。 本研究は,深部FERモデルにおける年齢関連バイアスの包括的研究であり,特に高齢者に焦点をあてる。 まず,年齢による認識性能の変化,どの表現に最も影響があるか,および年齢によるモデル注意度の違いについて検討した。 説明可能なAI (XAI) 技術を用いて, 表情認識と注意パターンの系統的差異, 特に高齢者の「ニュートラル」, 「サドネス」, 「アンガー」について同定した。 これらの結果に基づいて,マルチタスク学習,マルチモーダル入力,年齢重み付き損失の3つのバイアス緩和戦略を提案し,評価した。 我々のモデルは、AffectNetという大規模データセットでトレーニングされ、自動的に推定された年齢ラベルと、表現不足の年齢グループを含むバランスの取れたベンチマークデータセットで検証される。 その結果、高齢者の認識精度は、特に最もエラーを起こしやすい表現に対して、一貫した改善が見られた。 サリエンシ・ヒートマップ分析により、年齢を意識した戦略で訓練されたモデルは、年齢グループごとにより関連性の高い顔領域に適応し、観察された改善を説明するのに役立っていることが明らかとなった。 これらの結果から,FERの年齢関連バイアスは,簡単なトレーニング修正によって効果的に緩和可能であること,また,大規模な情緒的コンピュータシステムにおける公平性の促進には,人口統計ラベルの近似が有用であることが示唆された。

関連論文リスト

• Mitigating Subgroup Disparities in Multi-Label Speech Emotion Recognition: A Pseudo-Labeling and Unsupervised Learning Approach [53.824673312331626]
  Implicit Demography Inference (IDI)モジュールは、k平均クラスタリングを用いて、音声感情認識(SER)におけるバイアスを軽減する 実験により、擬似ラベルIDIはサブグループの格差を減らし、フェアネスの指標を28%以上改善することが示された。 教師なしのIDIは、SERのパフォーマンスが3.6%未満のフェアネス指標を4.6%以上改善する。
  論文  参考訳（メタデータ） (2025-05-20T14:50:44Z)
• Deep Learning-Based Facial Expression Recognition for the Elderly: A Systematic Review [0.5242869847419834]
  世界人口の急速な高齢化は、高齢者を支援する技術の必要性を浮き彫りにした。 表情認識(FER)システムは、感情状態を監視する非侵襲的な手段を提供する。 本研究は,高齢者を対象とした深層学習に基づくFERシステムの体系的レビューである。
  論文  参考訳（メタデータ） (2025-02-04T11:05:24Z)
• Balancing the Scales: Enhancing Fairness in Facial Expression Recognition with Latent Alignment [5.784550537553534]
  このワークル平均は、表情認識システムにおけるバイアスを軽減するために、潜在空間に基づく表現学習を行う。 また、ディープラーニングモデルの公平性と全体的な正確性も向上する。
  論文  参考訳（メタデータ） (2024-10-25T10:03:10Z)
• A Demographic Attribute Guided Approach to Age Estimation [4.215251065887862]
  本研究は,顔属性の補助情報を活用し,属性誘導モジュールを用いた新しい年齢推定手法を提案する。 UTKFace, LAP2016, Morphの3つの公開データセットによる実験結果から, 提案手法は, 他の最先端手法と比較して優れた性能が得られることが示された。
  論文  参考訳（メタデータ） (2022-05-20T15:34:47Z)
• LAE : Long-tailed Age Estimation [52.5745217752147]
  まず、簡単な標準ベースラインを定式化し、事前トレーニング、データ拡張、モデルアーキテクチャなどのトリックを収集することで、はるかに強力なベースラインを構築します。 標準ベースラインと比較して,提案手法は推定誤差を著しく低減する。 本稿では,Long-tailed Age Estimation (LAE) という2段階の学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-25T09:05:44Z)
• Domain Generalisation for Apparent Emotional Facial Expression Recognition across Age-Groups [55.56174840049614]
  本研究では,異なる年齢群を用いた表情認識モデルの訓練効果について検討した。 その結果,未確認年齢群では,訓練年齢群の増加により表情認識能力が向上する傾向がみられた。
  論文  参考訳（メタデータ） (2021-10-18T10:35:40Z)
• FP-Age: Leveraging Face Parsing Attention for Facial Age Estimation in the Wild [50.8865921538953]
  年齢推定に顔のセマンティクスを明示的に組み込む手法を提案する。 我々は,顔解析に基づくネットワークを設計し,異なるスケールで意味情報を学習する。 提案手法は,既存の年齢推定手法を常に上回っていることを示す。
  論文  参考訳（メタデータ） (2021-06-21T14:31:32Z)
• Fair and accurate age prediction using distribution aware data curation and augmentation [42.98202989683421]
  年齢予測は、オープンな研究問題のままの公平性の問題において特に難しい応用である。 年齢予測法における不公平行動の主な原因の1つは、トレーニングデータの分布と多様性にある。 公平性を高めるために、データセットキュレーションとデータ拡張の2つの新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2020-09-11T08:32:36Z)
• Enhancing Facial Data Diversity with Style-based Face Aging [59.984134070735934]
  特に、顔データセットは、通常、性別、年齢、人種などの属性の観点からバイアスされる。 本稿では, 細粒度の老化パターンをキャプチャするデータ拡張のための, 生成スタイルに基づく新しいアーキテクチャを提案する。 提案手法は, 年齢移動のための最先端アルゴリズムよりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-06-06T21:53:44Z)
• 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)

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。