Nov, 2018
论基于 GAN 的数据增强在延续偏见方面对工程师的想象
Imagining an Engineer: On GAN-Based Data Augmentation Perpetuating Biases
Niharika Jain, Lydia Manikonda, Alberto Olmo Hernandez, Sailik Sengupta, Subbarao Kambhampati
TL;DR使用生成对抗网络(GAN)生成合成数据进行数据增强已成为许多应用程序的流行方法,但这种技术具有的内在缺陷应引起从业人员的重视,例如 GAN 增强数据可能会强化和甚至放大训练数据中的偏差,这应该成为普通从业人员的警示。