ICLRMar, 2022
深度学习中公平性只是度量吗?评估和解决子组差距
Is Fairness Only Metric Deep? Evaluating and Addressing Subgroup Gaps in Deep Metric Learning
Natalie Dullerud, Karsten Roth, Kimia Hamidieh, Nicolas Papernot, Marzyeh Ghassemi
TL;DR本文首次针对非平衡数据进行深度度量学习(DML)方法的公平性评估,提出了 finDML 工具来表征 DML 的公平性并发现了 DML 的子集表现的表示偏差,而 Partial Attribute De-correlation (PARADE) 则减少了对敏感属性的相关性并减小了表征空间中的性能差距。