FairFace：用于平衡种族、性别与年龄的人脸属性数据集
计算机视觉与模式识别
2019-08-15 v1 机器学习
摘要
现有公开人脸数据集严重偏向高加索人脸，而其他种族（如拉丁裔）代表性明显不足。这可能导致模型精度不一致，限制人脸分析系统在非白人种族群体上的适用性，并对基于此类偏斜数据的研究结论产生不利影响。为缓解这些数据集中的种族偏差，我们构建了一个包含 108,501 张图像的新颖人脸图像数据集，重点强调数据集中均衡的种族构成。我们定义了 7 个种族群体：白人、黑人、印度人、东亚人、东南亚人、中东人和拉丁裔。图像采集自 YFCC-100M Flickr 数据集，并标注了种族、性别和年龄组。我们在现有人脸属性数据集以及新颖图像数据集上进行了评估，以衡量泛化性能。我们发现，基于本数据集训练的模型在新颖数据集上显著更准确，且在种族与性别群体间精度一致。
引用
@article{arxiv.1908.04913,
title = {FairFace: Face Attribute Dataset for Balanced Race, Gender, and Age},
author = {Kimmo Kärkkäinen and Jungseock Joo},
journal= {arXiv preprint arXiv:1908.04913},
year = {2019}
}