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

要約

時間的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) の画像でトレーニングされたニューラル ネットワークが、画像の年齢に関連する特徴のみを利用しているかどうかは明らかではありません。
通常、時間的に近接して撮影された画像（たとえば、同じ年齢層に属する画像）は、いくつかの共通のコンテンツ特性を共有します。
このようなコンテンツの偏りは、ニューラル ネットワークによって悪用される可能性があります。
この研究では、画像コンテンツの影響を評価する新しいアプローチが提案されています。
このアプローチは、年齢信号が埋め込まれた合成画像 (コンテンツの偏りを排除できる) を使用して検証されます。
提案されたアプローチに基づいて、年齢分類のコンテキストで提案された深層学習アプローチは、画像コンテンツに大きく依存する可能性が高いことが示されています。
考えられる対策として、画像ステガナリシスの分野からの 2 つの異なるモデルと、信号対雑音比 (画像コンテンツに対する年齢信号) を高めるための 3 つの異なる前処理技術が、提案された方法を使用して評価されます。

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), exploits solely image 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 is proposed that evaluates the influence of image content. 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 deep learning approach proposed in the context of age classification is most likely highly dependent on the image content. As a possible countermeasure, two different models from the field of image steganalysis, along with three different preprocessing techniques to increase the signal-to-noise ratio (age signal to image content), are evaluated using the proposed method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google