目标检测中的预测不公平性
计算机视觉与模式识别
2019-03-01 v1 机器学习
机器学习
摘要
在这项工作中，我们研究最先进的目标检测系统对不同肤色行人的预测性能是否公平。这项工作的动机是许多近期 ML 和视觉系统对某些人口群体显示出比其它群体更高错误率的例子。我们用 Fitzpatrick 肤色类型（范围 [1-3] 或 [4-6]）标注了一个包含行人的现有大规模数据集 BDD100K。然后我们对这两组肤色之间的性能进行了深入的对比分析，发现一天中的时间和遮挡都不能解释这种行为，表明这种差异不仅仅是 4-6 范围行人出现在更难检测场景的结果。我们研究了训练期间一天中的时间、遮挡以及重新加权监督损失在多大程度上影响这种预测偏差。
引用
@article{arxiv.1902.11097,
title = {Predictive Inequity in Object Detection},
author = {Benjamin Wilson and Judy Hoffman and Jamie Morgenstern},
journal= {arXiv preprint arXiv:1902.11097},
year = {2019}
}