训练数据中的性别平衡如何影响人脸识别准确率
计算机视觉与模式识别
2020-04-08 v2
摘要
深度学习方法大幅提升了人脸识别的准确率，但一个老问题依然存在：对男性的准确率通常高于女性。人们常推测女性准确率较低是由训练数据中的代表性不足所致。本研究探讨训练数据中女性代表性不足是否确为测试数据上女性准确率较低的原因。使用最先进的深度 CNN、三种不同损失函数与两个训练数据集，我们在七个具有不同男/女比例的子集上分别训练，共计四十二次训练，并在三个不同数据集上测试。结果表明：(1) 训练数据中的性别平衡并未转化为测试准确率上的性别平衡；(2) 测试准确率中的“性别差距”并非由性别平衡的训练集最小化，而是由男性图像多于女性图像的训练集最小化；(3) 以最小化准确率差距为目标的训练并未带来最高的女性、男性或平均准确率。
引用
@article{arxiv.2002.02934,
title = {How Does Gender Balance In Training Data Affect Face Recognition Accuracy?},
author = {Vítor Albiero and Kai Zhang and Kevin W. Bowyer},
journal= {arXiv preprint arXiv:2002.02934},
year = {2020}
}