梯度注意力平衡网络：通过梯度注意力缓解人脸识别种族偏差
计算机视觉与模式识别
2023-04-06 v1
摘要
尽管人脸识别近年来取得了令人印象深刻的进展，但我们在追求高精度水平时忽视了识别系统的种族偏差。先前工作发现，对于不同种族，人脸识别网络关注的面部区域不同，且深肤色人群的敏感区域要小得多。基于这一发现，我们提出一种基于梯度注意力的去偏方法，称为梯度注意力平衡网络（GABN）。具体而言，我们利用人脸识别网络的梯度注意力图（GAM）来追踪敏感面部区域，并通过对抗学习使不同种族的GAM趋于一致。该方法通过使网络关注相似的面部区域来缓解偏差。此外，我们还使用掩码擦除Top-N敏感面部区域，迫使网络将注意力分配到更大的面部区域。该方法扩大了深肤色人群的敏感区域，并进一步缩小了深肤色人群GAM与高加索人GAM之间的差距。大量实验表明，GABN成功缓解了人脸识别中的种族偏差，并为不同种族人群学习了更均衡的性能。
引用
@article{arxiv.2304.02284,
title = {Gradient Attention Balance Network: Mitigating Face Recognition Racial Bias via Gradient Attention},
author = {Linzhi Huang and Mei Wang and Jiahao Liang and Weihong Deng and Hongzhi Shi and Dongchao Wen and Yingjie Zhang and Jian Zhao},
journal= {arXiv preprint arXiv:2304.02284},
year = {2023}
}
备注
Accepted by CVPR 2023 workshop