迈向更具包容性的人物标注以促进公平性
计算机视觉与模式识别
2021-05-07 v1
摘要
Open Images 数据集包含约 900 万张图像，是计算机视觉研究中被广泛接受的数据集。作为大型数据集的通用做法，其标注并非穷尽式的，每幅图像中仅对部分类别给出边界框和属性标签。在本文中，我们提出在 Open Images 数据集一个子集上的新标注集合，称为 MIAP（More Inclusive Annotations for People，更具包容性的人物标注）子集，包含这些图像中所有可见人物的边界框和属性。MIAP 子集的属性和标注方法旨在支持对模型公平性的研究。此外，我们分析了人物类及其子类的原始标注方法，讨论由此产生的模式以指导未来的标注工作。通过同时考虑原始标注集和穷尽标注集，研究人员现在还可以研究训练标注中的系统性模式如何影响建模。
引用
@article{arxiv.2105.02317,
title = {A Step Toward More Inclusive People Annotations for Fairness},
author = {Candice Schumann and Susanna Ricco and Utsav Prabhu and Vittorio Ferrari and Caroline Pantofaru},
journal= {arXiv preprint arXiv:2105.02317},
year = {2021}
}