面向公平面部表情识别的改进分布对齐方法
计算机视觉与模式识别
2023-06-13 v1
摘要
我们提出一种缓解面部表情识别(FER)模型中偏差的新方法。我们的方法旨在减少 FER 模型所产生嵌入中的敏感属性信息，如性别、年龄或种族。我们采用核均值收缩估计器来估计与不同敏感属性组(如年轻与年长)相关的嵌入分布在 Hilbert 空间中的核均值。利用该估计，我们计算分布间的最大均值差异(MMD)距离，并将其与对抗损失一同纳入分类器损失中，随后通过学习过程最小化以改进分布对齐。我们的方法使模型更难识别敏感属性，从而提升公平性。此外，我们首次分析了吸引力作为 FER 模型中重要敏感属性的概念，并证明 FER 模型确实会对更具吸引力的面孔表现出偏差。为证明我们的模型在减少针对不同敏感属性(包括新提出的吸引力属性)偏差方面的效力，我们在两个广泛使用的数据集 CelebA 和 RAF-DB 上进行了若干实验。在准确率与公平性度量上的结果在大多数情况下优于当前最优(SOTA)，证明了所提方法的有效性。
引用
@article{arxiv.2306.06696,
title = {Toward Fair Facial Expression Recognition with Improved Distribution Alignment},
author = {Mojtaba Kolahdouzi and Ali Etemad},
journal= {arXiv preprint arXiv:2306.06696},
year = {2023}
}