远距离深度人脸排序中的（不）公平曝光
计算机视觉与模式识别
2023-08-24 v1
摘要
执法部门经常面临根据人脸图像对嫌疑人进行排序的挑战。深度人脸模型辅助这一过程，但常常引入对某些人口统计群体产生不成比例影响的偏差。虽然偏差调查在职位候选人排序等领域很常见，但法医人脸排序领域仍未被充分探索。在本文中，我们提出了一种新颖的实验框架，涵盖六种最先进的人脸编码器和两个公共数据集，旨在审视在法医人脸排序背景下各人口统计群体在曝光方面遭受偏差的程度。通过涵盖重识别与识别任务的全面实验，我们表明该领域内的曝光偏差远未得到遏制，亟需关注以建立专门政策和纠正措施。源代码见 https://github.com/atzoriandrea/ijcb2023-unfair-face-rankings
引用
@article{arxiv.2308.11732,
title = {(Un)fair Exposure in Deep Face Rankings at a Distance},
author = {Andrea Atzori and Gianni Fenu and Mirko Marras},
journal= {arXiv preprint arXiv:2308.11732},
year = {2023}
}
备注
Accepted as a full paper at IJCB 2023 Special Session "Long-Range Biometrics Challenges": 2023 International Joint Conference on Biometrics