人脸检测模型是否存在偏差？
计算机视觉与模式识别
2022-11-08 v1
摘要
深度模型中的偏差会导致对某些人口子群的不公平结果。偏差研究主要关注人脸识别与属性预测，极少强调人脸检测。现有研究将人脸检测视为分为“人脸”与“非人脸”类的二分类。本工作中，我们通过目前尚未探索的人脸区域定位来调查人脸检测领域可能存在的偏差。由于人脸区域定位是所有人脸识别流程中的一项基本任务，分析流行深度模型中此类偏差的存在至关重要。大多数现有人脸检测数据集缺乏用于此类分析的合适标注。因此，我们通过网络整理出带有属性的公平人脸定位（F2LA）数据集，并为每张人脸手动标注了超过 10 个属性，包括人脸定位信息。利用 F2LA 的广泛标注，我们设计了一个实验设置以研究四种预训练人脸检测器的性能。我们观察到（i）不同性别与肤色间检测准确率存在高度差异，以及（ii）人口统计学之外的混杂因素的相互作用。F2LA 数据及相关标注可在 http://iab-rubric.org/index.php/F2LA 获取。
引用
@article{arxiv.2211.03588,
title = {Are Face Detection Models Biased?},
author = {Surbhi Mittal and Kartik Thakral and Puspita Majumdar and Mayank Vatsa and Richa Singh},
journal= {arXiv preprint arXiv:2211.03588},
year = {2022}
}
备注
Accepted in FG 2023