探索人口统计变量对人脸识别准确性的影响
本文探讨了人脸识别算法中面部图像识别误差受种族差异影响的可能基础因素,包括数据驱动和场景建模,并提供了对评估算法种族偏见的方法论考虑。通过对四种面部识别算法表现的数据分析,本文得出种族偏见的存在需要在各不同应用场景下进行测量,同时提供了一个检查清单来测量面部识别算法中的种族偏见。
Dec, 2019
本篇论文对男女面部识别精度差异进行了深入分析,发现女性识别精度较低的原因是女性的冒名者分布向更高的相似性分数倾斜和女性真实分布向较低的相似性分数倾斜,这种现象的普遍性跨越 African-American、Caucasian 和 Asian 面孔的数据集,即使在将照片子集分别分为中立表情和垂直角度为零时,精度差异也会持续存在。
Jan, 2020
本文讨论人脸识别准确率差异的问题,指出虽然许多数据集都平衡了各个人群中身份的数量和图像的数量,但身份和图像数量并不是影响一对一人脸匹配准确性的决定因素,因此需要一个更具有偏差意识的工具包来创建跨人群的平衡评估数据集。
Apr, 2023
通过深入分析,本文重点讨论了涉及种族、年龄和性别等因素的交叉偏见问题,提出了在当前文献中较少探索的种族、年龄和性别组合方面的性能差异。此外,本文在定量分析中引入了五个补充指标,包括不公平影响和不公平待遇指标,以克服当前主流方法中常被忽视的重要局限。研究结果表明,人脸识别系统存在普遍偏见,不仅限于种族,不同的人口统计因素导致显著不同的结果。通过揭示这些偏见及其影响,本文旨在促进进一步研究,以开发更公正、更公平的人脸识别和验证系统。
Jul, 2023
该研究对 MORPH 数据集中的非裔美国人和白人图像组之间的面部识别准确性差异进行了系统调查,发现四个匹配器的假冒者和真实分布在组之间存在显着差异,使用 ICAO 合规性作为图像质量标准,结果发现初始图像组具有不均等的合格图像比率,并表明该 ResNet 匹配器的效果更好。
Apr, 2019
通过实验发现,男女发型有重要差异,尤其是男性胡须会造成不同男性面孔之间的平均外观差异更大,而当基于发型来遮挡面部的数据在性别上平衡后,初始的性别差距在识别准确性上大部分消失,这个结果对未来研究中包含性别差异具有启示意义。
Jun, 2022
分析了面部属性对人脸识别系统的影响,探讨了人口统计学以外的因素如饰品、发型、脸型等在身份验证性能方面的影响,提出了进一步增强人脸识别系统鲁棒性、可解释性和公平性的需求。
Mar, 2021