感知偏差的口罩检测数据集
计算机视觉与模式识别
2024-10-16 v3 机器学习
图像与视频处理
摘要
2019 年 12 月,一种新型冠状病毒(COVID-19)在全球迅速传播,许多国家不得不规定在公共场所强制佩戴口罩以减少病毒传播。为监测公众遵守情况,研究人员旨在快速开发可自动检测戴口罩人脸的高效系统。然而,缺乏具代表性和新颖的数据集成为最大挑战。早期收集口罩数据集的尝试未考虑潜在的种族、性别和年龄偏差。因此,所得模型对特定种族群体(如亚裔或高加索裔)表现出固有偏差。本工作中,我们提出一个新颖的口罩检测数据集,包含疫情期间全球各地发布于 Twitter 的图像。与先前数据集不同,所提出的感知偏差的口罩检测(BAFMD)数据集包含更多来自代表性不足的种族和年龄组的图像,以缓解口罩检测任务中的该问题。我们开展实验研究广泛使用口罩检测数据集中潜在偏差,并说明 BAFMD 数据集可得到具有更好性能与泛化能力的模型。数据集公开于 https://github.com/Alpkant/BAFMD。
引用
@article{arxiv.2211.01207,
title = {Bias-Aware Face Mask Detection Dataset},
author = {Alperen Kantarcı and Ferda Ofli and Muhammad Imran and Hazım Kemal Ekenel},
journal= {arXiv preprint arXiv:2211.01207},
year = {2024}
}
备注
7 pages, 3 figures