平衡尺度：通过潜在对齐增强面部表情识别的公平性
计算机视觉与模式识别
2024-10-28 v1 机器学习
摘要
自动识别面部表情中的情绪意图是计算机视觉领域的一个研究热点。作为监督学习任务，面部表情识别（FER）严重依赖于包含各种社会文化人口统计属性的大型数据集。在过去十年中，通过众包或网络抓取提出的多个真实世界野外FER数据集，大多采用手动标注方法来标记情绪意图，这不可避免地传播了个体人口统计偏见。此外，这些数据集也缺乏对各种社会文化人口统计群体的公平代表性，从而导致类别不平衡。偏见分析及其缓解已在多个领域和问题设置中得到研究，但在FER领域，这一方向相对较少被探索。本研究利用基于潜在空间的表示学习来缓解面部表情识别系统中的偏见，从而增强深度学习模型的公平性和整体准确性。
关键词
引用
@article{arxiv.2410.19444,
title = {Balancing the Scales: Enhancing Fairness in Facial Expression Recognition with Latent Alignment},
author = {Syed Sameen Ahmad Rizvi and Aryan Seth and Pratik Narang},
journal= {arXiv preprint arXiv:2410.19444},
year = {2024}
}