通过对数空间的最大均值差异正则化迈向公平性
计算机视觉与模式识别
2024-02-21 v1
摘要
公平性在机器学习应用于高风险场景（如医疗机器学习和人脸识别）中变得日益关键。然而，我们发现先前的对数空间约束方法存在不足。因此，我们提出了一种名为 Logits-MMD 的新框架，该框架通过利用最大均值差异对输出对数施加约束来实现公平性条件。此外，定量分析和实验结果表明，我们的框架具有更优越的特性，优于以往方法，并在两个人脸识别数据集和一个动物数据集上达到了最先进水平 (SOTA)。最后，我们展示了实验结果，证明我们的去偏方法有效地实现了公平性条件。
引用
@article{arxiv.2402.13061,
title = {Toward Fairness via Maximum Mean Discrepancy Regularization on Logits Space},
author = {Hao-Wei Chung and Ching-Hao Chiu and Yu-Jen Chen and Yiyu Shi and Tsung-Yi Ho},
journal= {arXiv preprint arXiv:2402.13061},
year = {2024}
}