这篇新论文探讨了人口统计学之外的面部识别偏见

这篇新论文探讨了人口统计学之外的面部识别偏见

报道充分偏见周围的肤色和性别不是面部识别系统唯一的偏见,找到了一份新论文,呼吁更多地开发面部生物识别系统,以便他们公平。

超越人口统计学的人脸识别偏差综合研究来自德国和西班牙的一个研究小组使用MAAD人脸数据集对FaceNet和ArcFace人脸识别模型进行了测试,MAAD人脸数据集对330万张人脸图像进行了超过1.2亿次属性注释,以查看这些模型是否会返回超出年龄、性别和肤色等明确人口统计特征之外的偏差。

研究小组还测试了非显性的人口统计特征,如配饰、发型和颜色、脸型、面部异常和化妆。

早期发布的全文,可在最终发布时进行进一步编辑,包括测试的不同属性的结果,生成FaceNet和ArcFace偏差水平的显示图,绘制导致偏差的属性,导致生物识别水平降低,以及提高识别性能的方法。

拥有小胡子,山羊座,圆脸,阻塞的额头或玫瑰色脸颊或戴着唇膏或眼镜都可以导致识别退化。灰色头发改善了它,与没有胡须相比,留着胡子或甚至只有5点钟的阴影。

作者能够解释结果背后的一些原因,但不是全部。“这项工作的发现有力地证明了在使人脸识别系统更健壮、更可解释和更公平方面需要进一步的进步。我们希望这些发现能导致开发更健壮、更公正的人脸识别解决方案,”论文总结道。

任何视觉最近呼吁公司开发188游戏盒子下载生物特征识别与人工智能算法为了消除人口统计偏见,美国国家标准与技术研究所(NIST)呼吁公众对其提出的人工智能系统用户信任评估方法发表意见。OpenAI已经承认人口偏见在其新的计算机视觉模型中。

相关职位

文章主题

||||||

最新的生物识别金宝搏App钱显示错误新闻

注释

发表评论

该网站使用Akismet来减少垃圾邮件。了解如何处理评论数据.

大多数人本周阅读

特色公司

生物识别研究

生物统计白皮书

生物特征事件

解释生物识别