GenderRobustness：人脸识别系统中性别检测对图像属性变化的鲁棒性
计算机视觉与模式识别
2020-11-30 v2
摘要
近来，针对计算机视觉人工智能系统与算法存在隐性偏见的指控日益增多。尽管此类讨论如今更为普遍，且系统通过执行广泛测试与拓展视野得以改进，偏见依旧存在。据称存在偏见的一类系统是人脸识别系统，其中已观察到基于性别、族裔、肤色与其他面部属性的偏见。鉴于这些系统如今几乎应用于各行业各个领域，此现象更令人不安。从至关重要的罪犯识别到简单的考勤登记，这些系统已获得巨大市场，尤其在近年。这本身便是充分的理由，令系统开发者确保偏见降至最低或理想中不复存在，以避免 favoring 特定性别、种族或阶层，或令某一类人因系统无法正确识别而易于遭受错误指控等重大问题的出现。
引用
@article{arxiv.2011.10472,
title = {GenderRobustness: Robustness of Gender Detection in Facial Recognition Systems with variation in Image Properties},
author = {Sharadha Srinivasan and Madan Musuvathi},
journal= {arXiv preprint arXiv:2011.10472},
year = {2020}
}