“平衡”人脸识别数据集中究竟应当平衡什么？
计算机视觉与模式识别
2023-08-25 v2
摘要
近年来，人脸识别准确性的 demographics 差异问题引起了越来越多的关注。人们提出了各种被标榜为“公平”或“平衡”的人脸图像数据集，以评估人脸识别算法在不同人口统计群体中的准确性。这些数据集通常平衡了各群体中的身份数和图像数。需要注意的是，评估数据集中的身份数和图像数并非 1对1 人脸匹配准确性的驱动因素。此外，平衡身份数和图像数并不能确保其他已知影响准确性的因素（如头部姿态、亮度和图像质量）的平衡。我们使用几个近期提出的数据集证明了这些问题。为了提高进行较少偏差评估的能力，我们提出了一个偏见感知工具包，便于创建本文所述因素上平衡的跨人口统计评估数据集。
引用
@article{arxiv.2304.09818,
title = {What Should Be Balanced in a "Balanced" Face Recognition Dataset?},
author = {Haiyu Wu and Kevin W. Bowyer},
journal= {arXiv preprint arXiv:2304.09818},
year = {2023}
}