Classification for everyone : Building geography agnostic models for fairer recognition

要約

この論文では、最先端の画像分類モデルに存在する固有の地理的偏りを軽減するためのさまざまな方法を分析します。
まず、位置情報を含む画像を使用して、Dollar Street Dataset と ImageNet という 2 つのデータセットでこのバイアスを定量的に示します。
次に、このバイアスを軽減するために使用できるさまざまな方法を紹介します。
最後に、これらのモデルを画像の地理的位置に対してより堅牢にするためのさまざまな手法の有効性を分析します。

要約(オリジナル)

In this paper, we analyze different methods to mitigate inherent geographical biases present in state of the art image classification models. We first quantitatively present this bias in two datasets – The Dollar Street Dataset and ImageNet, using images with location information. We then present different methods which can be employed to reduce this bias. Finally, we analyze the effectiveness of the different techniques on making these models more robust to geographical locations of the images.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google