利用分布感知数据整理与增强实现公平且准确的年龄预测
计算机视觉与模式识别
2021-11-17 v6 人工智能
机器学习
摘要
基于深度学习的面部识别系统因表现出不公平行为而受到媒体更多关注。IBM 等大型企业因此关闭了其面部识别与年龄预测系统。年龄预测是一项尤为困难的应用，公平性问题仍属开放研究课题（例如对不同族裔预测年龄同样准确）。年龄预测方法中不公平行为的主因之一在于训练数据的分布与多样性。本工作中，我们提出两种新方法用于数据集整理与数据增强，以通过均衡特征整理提升公平性，并通过分布感知增强提升多样性。为此，我们将分布外检测引入面部识别领域，用于在按年龄、族裔与性别均衡数据时，筛选与深度神经网络（DNN）任务最相关的数据。我们的方法展现出有前景的结果。我们训练最佳的 DNN 模型在公平性上超越所有学术与工业基线达 4.92 倍，并增强了 DNN 的泛化能力，分别超越 Amazon AWS 与 Microsoft Azure 公共云系统 31.88% 与 10.95%。
引用
@article{arxiv.2009.05283,
title = {Fair and accurate age prediction using distribution aware data curation and augmentation},
author = {Yushi Cao and David Berend and Palina Tolmach and Guy Amit and Moshe Levy and Yang Liu and Asaf Shabtai and Yuval Elovici},
journal= {arXiv preprint arXiv:2009.05283},
year = {2021}
}
备注
Preprint, accepted at WACV'22