胡须分割与识别偏差
计算机视觉与模式识别
2023-08-31 v1
摘要
一个人的面部毛发样式（如胡须的有无与大小）会显著影响人脸识别准确率。现有公开可用的深度网络在二值属性分类（如胡须/无胡须）上能达到合理精度，但几乎没有人分割面部毛发区域。为严谨地研究面部毛发的影响，我们首先创建了一组细粒度面部毛发标注来训练分割模型，并评估其在非裔美国人和高加索人面部图像上的准确率。随后，我们利用面部毛发分割结果按面部毛发样式的差异或相似程度对图像对进行分类。我们发现，对于具有不同面部毛发样式类别的图像对，其错误匹配率（FMR）在非裔美国男性中相差超过 10 倍，在高加索男性中相差超过 25 倍。为减小不同面部毛发样式图像对之间的偏差，我们提出了一种基于面部毛发相似度的自适应阈值方案。在主体不相交的图像集上的评估表明，基于图像对面部毛发的自适应相似度阈值将非裔美国人各面部毛发类别间最高与最低 FMR 之比从 10.7 降至 1.8，将高加索人从 25.9 降至 1.3。面部毛发标注与面部毛发分割模型将公开可用。
引用
@article{arxiv.2308.15740,
title = {Beard Segmentation and Recognition Bias},
author = {Kagan Ozturk and Grace Bezold and Aman Bhatta and Haiyu Wu and Kevin Bowyer},
journal= {arXiv preprint arXiv:2308.15740},
year = {2023}
}