A Fair Classifier Embracing Triplet Collapse

要約

この論文では、三重項損失の挙動を研究し、それを利用して機械学習モデルによって作成され永続化されるバイアスを制限できることを示します。
私たちの公正な分類器は、確率的三重項選択の場合、マージンが潜在空間内の 2 点間の最大距離よりも大きい場合に、三重項損失の崩壊を使用します。

要約(オリジナル)

In this paper, we study the behaviour of the triplet loss and show that it can be exploited to limit the biases created and perpetuated by machine learning models. Our fair classifier uses the collapse of the triplet loss when its margin is greater than the maximum distance between two points in the latent space, in the case of stochastic triplet selection.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google