人脸识别精度中性别不平等的分析
计算机视觉与模式识别
2020-02-04 v1
摘要
我们全面分析了人脸识别精度在男性和女性之间差异的方式与原因。我们表明女性的精度较低，这是由于（1）女性的冒名分布偏向更高的相似度分数，以及（2）女性的真类分布偏向更低的相似度分数这两者的结合。我们表明，女性冒名分布与真类分布彼此更靠近这一现象在非洲裔、高加索裔和亚裔人脸数据集中是普遍的。我们表明面部表情的分布可能在男女之间存在差异，但对于被确信评为中性表情的图像子集，精度差异依然存在。对于被评为接近零俯仰角的图像子集，精度差异也依然存在。即使移除前额被头发/帽子部分遮挡的图像，同样的冒名/真类精度差异依旧存在。我们表明，当仅使用无面部化妆的女性图像时，女性真类分布有所改善，但女性冒名分布同时也恶化。最后，我们表明即使使用在男女图像和主体间显式平衡的训练数据从头训练最先进的深度学习方法，精度差异仍然存在。
引用
@article{arxiv.2002.00065,
title = {Analysis of Gender Inequality In Face Recognition Accuracy},
author = {Vítor Albiero and Krishnapriya K. S. and Kushal Vangara and Kai Zhang and Michael C. King and Kevin W. Bowyer},
journal= {arXiv preprint arXiv:2002.00065},
year = {2020}
}
备注
Paper will appear at The 2nd Workshop on Demographic Variation in the Performance of Biometric Systems at WACV 2020