行人检测算法中的年龄与性别偏差
计算机与社会
2019-06-26 v1 计算机视觉与模式识别
摘要
行人检测算法是自主车辆等移动机器人的重要组成部分，直接关系到人身安全。这些算法中的性能差异可能转化为以偏差性事故后果为形式的差异性影响。为评估对此类问题的关注必要性，我们刻画了最先进行人检测算法性能中的年龄与性别偏差。我们的分析基于扩展有儿童、成人、男性与女性标签的INRIA行人数据集。我们表明，Caltech行人检测基准的所有24种性能最优方法在儿童上的漏检率均更高。该差异显著，我们分析了其如何随方法所使用的分类器、特征与训练数据而变化。算法在平均意义上也存在性别偏差，但性能差异不显著。我们讨论了偏差的来源、伦理影响、可能的技术解决方案与障碍。
引用
@article{arxiv.1906.10490,
title = {Age and gender bias in pedestrian detection algorithms},
author = {Martim Brandao},
journal= {arXiv preprint arXiv:1906.10490},
year = {2019}
}
备注
Appeared at the Workshop on Fairness Accountability Transparency and Ethics in Computer Vision (FATE CV) at CVPR 2019