PASS：用于缓解人脸识别中偏差的受保护属性抑制系统
计算机视觉与模式识别
2021-08-10 v1
摘要
人脸识别网络在为身份分类进行训练时会编码关于敏感属性的信息。这种编码有两个主要问题：（a）它使人脸表征易受隐私泄露影响；（b）它似乎导致了人脸识别中的偏差。然而，现有的偏差缓解方法通常需要端到端训练，且无法实现高验证准确率。因此，我们提出了一种基于描述符的对抗去偏方法，称为“受保护属性抑制系统（PASS）”。PASS 可在任何先前训练的高性能网络所获取的描述符之上进行训练，以分类身份并同时减少敏感属性的编码。这消除了端到端训练的需要。作为 PASS 的组成部分，我们提出了一种新颖的判别器训练策略，以阻止网络编码受保护属性信息。我们展示了 PASS 在减少 SOTA 人脸识别网络（如 Arcface）描述符中性别与肤色信息的有效性。结果表明，在 IJB-C 数据集上，PASS 描述符在减少性别与肤色偏差的同时保持高验证准确率，优于现有基线。
引用
@article{arxiv.2108.03764,
title = {PASS: Protected Attribute Suppression System for Mitigating Bias in Face Recognition},
author = {Prithviraj Dhar and Joshua Gleason and Aniket Roy and Carlos D. Castillo and Rama Chellappa},
journal= {arXiv preprint arXiv:2108.03764},
year = {2021}
}
备注
Accepted to ICCV 2021