InclusiveFaceNet：通过种族与性别多样性改进人脸属性检测
计算机视觉与模式识别
2018-07-18 v3 人工智能
摘要
我们展示了一种人脸属性检测方法，该方法在学习属性检测任务之前先学习人口统计信息，从而在各性别与种族子组中保持或提升属性检测准确率。我们称之为 InclusiveFaceNet 的系统，通过迁移从公开的种族与性别身份保留数据集学习到的种族与性别表示来检测人脸属性。在下游人脸属性检测任务中利用所学人口统计表示同时不执行人口统计推断，既保护了潜在用户的人口统计隐私，又在 Faces of the World 和 CelebA 数据集上取得了迄今报道的最佳属性检测数值之一。
引用
@article{arxiv.1712.00193,
title = {InclusiveFaceNet: Improving Face Attribute Detection with Race and Gender Diversity},
author = {Hee Jung Ryu and Hartwig Adam and Margaret Mitchell},
journal= {arXiv preprint arXiv:1712.00193},
year = {2018}
}
备注
Presented as a talk at the 2018 Workshop on Fairness, Accountability, and Transparency in Machine Learning (FAT/ML 2018)