Content Bias in Deep Learning Age Approximation: A new Approach Towards more Explainability

要約

時間画像フォレンジックの文脈では、異なるタイムスロット（クラス）の画像で訓練されたニューラルネットワークが、年齢に関連する特徴のみを利用することは明らかではない。通常、時間的に近接して撮影された画像（例えば、同じ年齢クラスに属する画像）には、共通のコンテンツ特性があります。このような内容の偏りはニューラルネットワークによって利用することができる。本研究では、画像内容の影響を評価する新しいアプローチを提案する。このアプローチは、年齢信号を埋め込んだ合成画像（コンテンツの偏りが除外できる）を用いて検証される。提案されたアプローチに基づき、年齢分類の文脈で訓練された「標準的な」ニューラルネットワークは、画像コンテンツに強く依存することが示される。潜在的な対策として、学習中の画像コンテンツの影響を緩和するために2つの異なる手法を適用し、提案手法によっても評価する。

要約(オリジナル)

In the context of temporal image forensics, it is not evident that a neural network, trained on images from different time-slots (classes), exploit solely age related features. Usually, images taken in close temporal proximity (e.g., belonging to the same age class) share some common content properties. Such content bias can be exploited by a neural network. In this work, a novel approach that evaluates the influence of image content is proposed. This approach is verified using synthetic images (where content bias can be ruled out) with an age signal embedded. Based on the proposed approach, it is shown that a `standard’ neural network trained in the context of age classification is strongly dependent on image content. As a potential countermeasure, two different techniques are applied to mitigate the influence of the image content during training, and they are also evaluated by the proposed method.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL