解决面部情绪识别中的种族偏见
计算机视觉与模式识别
2023-08-10 v1 人工智能
计算机与社会
摘要
在使用高维输入和主观标签训练的深度学习中，公平性仍是一个复杂且研究不足的问题。面部情绪识别中数据集常存在种族不平衡，可能导致模型在不同种族群体上产生差异化的结果。本研究通过对具有不同种族分布的训练集进行子采样，并评估这些模拟下的测试性能，重点分析种族偏见。我们的发现表明，随着模拟接近种族平衡，含有摆拍人脸的较小数据集在公平性与性能指标上均有提升。值得注意的是，在各模拟中F1-score平均提升27.2个百分点，人口均等性（demographic parity）平均提升15.7个百分点。然而，在具有更大人脸变化的大规模数据集中，公平性指标总体保持不变，这表明仅种族平衡不足以实现不同种族群体间测试性能的均等。
引用
@article{arxiv.2308.04674,
title = {Addressing Racial Bias in Facial Emotion Recognition},
author = {Alex Fan and Xingshuo Xiao and Peter Washington},
journal= {arXiv preprint arXiv:2308.04674},
year = {2023}
}