DASH：通过用户驱动的合成数据增强进行图像分类去偏的可视分析

图像分类模型常学会基于训练数据中输入特征与输出类别之间的无关共现来预测类别。我们称这些不需要的相关性为“数据偏置”，并称引起数据偏置的视觉特征为“偏置因子”。若无人工干预，自动识别和缓解偏置具有挑战性。因此，我们开展了一项设计研究以寻找人在回路的解决方案。首先，我们与三位专家确定了捕获图像分类模型偏置缓解过程的用户任务。随后，为支持这些任务，我们开发了名为 DASH 的可视分析系统，该系统允许用户可视化识别偏置因子、使用最先进的图像到图像翻译模型迭代生成合成图像，并监督模型训练过程以提升分类准确率。我们与十位参与者的定量评估和定性研究证明了 DASH 的实用性，并为未来工作提供了经验。