频率很重要：基于频率域解释面部识别中的偏差

面部识别(FR)模型在不同人口统计学群体之间存在性能差异。由于面部识别模型高度复杂的深度学习结构，这些性能差异的原因尚不清楚。几项工作旨在探索性别和种族偏见的可能根源，识别语义原因（如发型、化妆或面部胡须）作为可能的来源。受近期频率模式在卷积神经网络中重要性发现的启发，我们使用最新的基于频率的解释方法来解释面部识别中的偏差。我们的广泛结果表明，不同频率对FR模型的重要性取决于样本的种族。