Explaining Bias in Deep Face Recognition via Image Characteristics

要約

この論文では、顔認識モデルが基本的なデータ特性 (保護された属性: 性別、民族性、年齢; 非保護された属性: 顔の毛、化粧、アクセサリー、顔) としてどのように機能するかをよりよく理解することを目的とした新しい説明フレームワークを提案します
方向とオクルージョン、イメージの歪み、感情など) がテストされると変化します。
私たちのフレームワークを使用して、10 の最先端の顔認識モデルを評価し、性別と民族に基づく 6 つのグループを含む 2 つのデータセットのセキュリティと使いやすさの面での公平性を比較します。
次に、画像の特性がモデルのパフォーマンスに与える影響を分析します。
私たちの結果は、複数の属性グループを考慮すると、単一属性の分析に現れる傾向が消えるか逆転すること、およびパフォーマンスの格差が保護されていない属性にも関連していることを示しています。
ソースコード: https://cutt.ly/2XwRLiA.

要約(オリジナル)

In this paper, we propose a novel explanatory framework aimed to provide a better understanding of how face recognition models perform as the underlying data characteristics (protected attributes: gender, ethnicity, age; non-protected attributes: facial hair, makeup, accessories, face orientation and occlusion, image distortion, emotions) on which they are tested change. With our framework, we evaluate ten state-of-the-art face recognition models, comparing their fairness in terms of security and usability on two data sets, involving six groups based on gender and ethnicity. We then analyze the impact of image characteristics on models performance. Our results show that trends appearing in a single-attribute analysis disappear or reverse when multi-attribute groups are considered, and that performance disparities are also related to non-protected attributes. Source code: https://cutt.ly/2XwRLiA.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google