利用回归中无监督域自适应减少人脸年龄预测中的种族偏差
计算机视觉与模式识别
2021-04-06 v1 机器学习
摘要
我们提出了一种用于从无监督域自适应估计给定人脸图像中人物年龄的任务的方法。为避免大多数公开人脸图像数据集中存在的种族偏差传播到在其上训练的模型失效中,我们进行域自适应以促使预测器学习对种族不变的特征,从而提升跨不同种族背景人脸的泛化性能。利用年龄的有序性,我们还对模型预测施加排序约束,并将模型设计为以一对图像作为输入,输出相对年龄差以及第一个身份相对于另一个在年龄上的排序。此外,我们实现多维尺度变换(Multi-Dimensional Scaling),从预测的 age 差异中仅利用待适配域中少至两张带标签图像即可恢复绝对年龄。我们使用一个带年龄标签的公开数据集进行实验,按种族标签将其划分为子集,并在不同于模型训练所用种族的数据上评估我们方法的性能。另外,我们施加约束以保持相对与绝对年龄预测的合理性,以及确保预测相对于输入的平滑性。我们进行了大量实验,并比较了多种用于回归任务的域自适应方法。
引用
@article{arxiv.2104.01781,
title = {Reducing Racial Bias in Facial Age Prediction using Unsupervised Domain Adaptation in Regression},
author = {Apoorva Gokhale and Astuti Sharma and Kaustav Datta and Savyasachi},
journal= {arXiv preprint arXiv:2104.01781},
year = {2021}
}