商业人脸检测中的鲁棒性差异
计算机与社会
2021-08-31 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
过去十年中，人脸检测与分析系统已被大型公司部署，并受到学者和活动家的批评。关注系统性能的批评分析了系统输出的差异，即针对不同Fitzpatrick皮肤类型或感知性别，人脸被检测到的频率如何。然而，我们关注这些系统输出在含噪自然扰动下的鲁棒性。我们首次对三个此类系统：Amazon Rekognition、Microsoft Azure和Google Cloud Platform的鲁棒性进行了详细基准测试。我们使用标准及近期发布的学术人脸数据集来定量分析各自的鲁棒性趋势。在所有数据集和系统中，我们普遍发现，相较于其他身份对应的照片，年龄较大、呈现男性气质、皮肤类型较深或光照昏暗的个体照片更容易出现错误。
引用
@article{arxiv.2108.12508,
title = {Robustness Disparities in Commercial Face Detection},
author = {Samuel Dooley and Tom Goldstein and John P. Dickerson},
journal= {arXiv preprint arXiv:2108.12508},
year = {2021}
}