通过个性化神经网络面向中小型系统的负责任人脸识别方法
计算机视觉与模式识别
2025-05-27 v1 人工智能
摘要
传统的人脸识别系统依赖于提取固定的人脸表示（称为模板）来存储和验证身份。这些表示通常由神经网络生成，而这些网络往往缺乏可解释性，并引发关于公平性和隐私的担忧。在这项工作中，我们提出了一种新颖的模型-模板（MOTE）方法，用小型个性化神经网络代替基于向量的人脸模板。这种设计为中小型系统实现了更负责任的人脸识别。在注册期间，MOTE为每个身份创建一个专用的二元分类器，经过训练以确定输入人脸是否与注册身份匹配。每个分类器仅使用单个参考样本进行训练，并辅以合成平衡样本，从而允许在注册期间在单个个体层面调整公平性。在多个数据集和识别系统上进行的广泛实验表明，公平性特别是隐私方面有了显著改善。尽管该方法增加了推理时间和存储需求，但它为公平性和隐私至关重要的中小型应用提供了一个强有力的解决方案。
引用
@article{arxiv.2505.19920,
title = {A Responsible Face Recognition Approach for Small and Mid-Scale Systems Through Personalized Neural Networks},
author = {Sebastian Groß and Stefan Heindorf and Philipp Terhörst},
journal= {arXiv preprint arXiv:2505.19920},
year = {2025}
}