一项复现研究：机器学习模型能够从面部图像预测性取向
计算机视觉与模式识别
2019-03-01 v1
摘要
近期研究使用机器学习方法从人的照片预测其性取向（Wang 和 Kosinski，2017）。为验证该结果，我们复现了其中两个模型，一个基于深度神经网络（DNN），一个基于面部形态（FM）。使用来自交友网站的 20,910 张照片的新数据集，我们确认了预测性取向的能力（DNN 准确率男性 68%、女性 77%，FM 男性 62%、女性 72%）。为探究亮度或主色调等面部特征是否能预测性取向，我们创建了一个基于高度模糊面部图像的新模型。该模型同样能够预测性取向（男性 63%、女性 72%）。所测试模型对受试者化妆、眼镜、面部毛发和头部姿态（拍照角度）的刻意改变具有不变性。研究表明头部姿态与性取向无关。尽管这些结果证明了交友资料图像携带关于性取向的丰富信息，但仍未解决多少由面部形态决定、多少由修饰、呈现和生活方式差异决定的问题。能够以这种方式检测性取向的新技术的出现，可能对男同性恋者和女同性恋者的隐私与安全产生严重影响。
引用
@article{arxiv.1902.10739,
title = {A Replication Study: Machine Learning Models Are Capable of Predicting Sexual Orientation From Facial Images},
author = {John Leuner},
journal= {arXiv preprint arXiv:1902.10739},
year = {2019}
}