Frequency Matters: Explaining Biases of Face Recognition in the Frequency Domain

要約

顔認識（FR）モデルは、人口統計グループ全体のパフォーマンスの変動に対して脆弱です。
これらのパフォーマンスの違いの原因は、顔認識モデルの非常に複雑な深い学習ベースの構造のために不明です。
性別と民族のバイアスの可能性のあるルーツを探求することを目的としたいくつかの作品は、ヘアスタイル、メイクアップ、顔の毛などのセマンティックな理由を可能な情報源として特定しました。
畳み込み型ニューラルネットワークにおける周波数パターンの重要性の最近の発見に動機付けられているため、最先端の周波数ベースの説明を使用して、顔認識のバイアスを説明します。
私たちの広範な結果は、サンプルの民族性に応じて、異なる周波数がFRモデルにとって重要であることを示しています。

要約(オリジナル)

Face recognition (FR) models are vulnerable to performance variations across demographic groups. The causes for these performance differences are unclear due to the highly complex deep learning-based structure of face recognition models. Several works aimed at exploring possible roots of gender and ethnicity bias, identifying semantic reasons such as hairstyle, make-up, or facial hair as possible sources. Motivated by recent discoveries of the importance of frequency patterns in convolutional neural networks, we explain bias in face recognition using state-of-the-art frequency-based explanations. Our extensive results show that different frequencies are important to FR models depending on the ethnicity of the samples.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google