人脸识别中人口统计学公平性综述

鉴于其对各种应用中的公平性、公正性和可靠性的影响，人脸识别（FR）中的人口统计学公平性已成为一个关键的研究领域。随着FR技术在全球范围内的日益普及，不同人口群体（如种族、民族和性别）之间的性能差异引起了广泛关注。这些偏见不仅损害了FR系统的可信度，还引发了伦理担忧，尤其是在将这些技术应用于敏感领域时。本综述整合了广泛的研究成果，全面概述了FR中人口统计学公平性的多方面问题。我们系统地考察了与FR中人口统计学差异相关的主要原因、数据集、评估指标和缓解方法。通过对这些领域的关键贡献进行分类，本工作为理解和解决该问题的复杂性提供了一种结构化的方法。最后，我们强调了当前的进展，并指出了需要进一步研究的新兴挑战。本文旨在为研究人员提供关于最新技术进展的统一视角，同时强调对公平且可信赖的FR系统的迫切需求。