面向人脸属性分类的公平多出口框架
计算机视觉与模式识别
2023-01-10 v1 人工智能
机器学习
摘要
公平性在人脸识别中已愈发关键。若不缓解偏差，部署不公平的 AI 将损害弱势群体的利益。本文中，我们观察到：尽管神经网络更深层特征通常提供更高精度，但随着我们从更深层提取特征，公平性状况会恶化。该现象促使我们拓展多出口框架的概念。不同于现有工作主要关注精度，我们的多出口框架以公平为导向，其内部分类器被训练得更准确且更公平。推理时，任何来自内部分类器且具高置信度的样本均被允许提前退出。此外，我们的框架可应用于多数现有公平感知框架。实验结果表明，所提框架在 CelebA 与 UTK Face 数据集上相较最先进水平可大幅改善公平性状况。
引用
@article{arxiv.2301.02989,
title = {Fair Multi-Exit Framework for Facial Attribute Classification},
author = {Ching-Hao Chiu and Hao-Wei Chung and Yu-Jen Chen and Yiyu Shi and Tsung-Yi Ho},
journal= {arXiv preprint arXiv:2301.02989},
year = {2023}
}