人脸识别技术的快速准确性与偏差检测方法
计算机视觉与模式识别
2025-02-24 v1 人工智能
摘要
衡量人脸识别（FR）系统的准确性对于提高性能和确保负责任的使用至关重要。通常使用大规模标注数据集来估计准确性，但这些数据集成本高昂且难以获取。我们提出一种新方法，用于1:1人脸验证，对FR系统进行快速且无需手动标注的基准测试，初始标签可来自网络搜索结果等近似标签。与以往用于训练集标签清洗的方法不同，我们利用正在评估模型的嵌入表示，实现了在较小规模测试数据集上的高准确性。我们的方法可可靠地估计FR的准确性和排序，显著减少人工标注的时间和成本。我们还引入了首个面向五家FR云服务的公共基准，揭示了其中的人口统计学偏差，尤其是亚洲女性的准确性较低。我们的快速测试方法可促进FR检测的民主化，推动该技术的审慎使用。该方法已作为公开工具提供，地址为https://github.com/caltechvisionlab/frt-rapid-test
引用
@article{arxiv.2502.14996,
title = {A Rapid Test for Accuracy and Bias of Face Recognition Technology},
author = {Manuel Knott and Ignacio Serna and Ethan Mann and Pietro Perona},
journal= {arXiv preprint arXiv:2502.14996},
year = {2025}
}
备注
Accepted as a conference paper for WACV 2025. Manuel Knott, Ignacio Serna, and Ethan Mann contributed equally