在 VISOB 2.0 数据集上探究移动端眼部生物识别方法的跨性别公平性
计算机视觉与模式识别
2020-11-19 v1
摘要
最近的研究质疑了基于面部的识别和属性分类方法（如性别和种族）对深色皮肤人群和女性的公平性。可见光谱下的眼部生物识别是面部生物识别的一种替代解决方案，得益于其在移动设备上的准确性、安全性、对面部表情的鲁棒性以及易用性。随着近期 COVID-19 危机的出现，在佩戴口罩的情况下，眼部生物识别比面部生物识别更具优势。然而，迄今为止尚未研究眼部生物识别的公平性。这项首次研究旨在探究跨男女性别的基于眼部的身份验证和性别分类方法的公平性。为此，使用 VISOB 数据集及其性别标注，对基于 ResNet-50、MobileNet-V2 和 lightCNN-29 模型的眼部生物识别方法进行了公平性分析。实验结果表明，在较低的误匹配率（FMR）和总体 Area Under Curve（AUC）方面，男性和女性在基于眼部的移动用户身份验证上表现相当。例如，lightCNN-29 平均获得了女性 0.96 和男性 0.95 的 AUC。然而，在基于眼部区域的深度学习性别分类模型中，男性的表现显著优于女性。
引用
@article{arxiv.2011.08898,
title = {Probing Fairness of Mobile Ocular Biometrics Methods Across Gender on VISOB 2.0 Dataset},
author = {Anoop Krishnan and Ali Almadan and Ajita Rattani},
journal= {arXiv preprint arXiv:2011.08898},
year = {2020}
}