Bias-Aware Face Mask Detection Dataset

要約

2019 年 12 月、新型コロナウイルス (COVID-19) が世界中に急速に広まったため、多くの国では、ウイルスの感染を減らすために、公共の場でフェイス マスクを着用することを義務付けるルールを設定する必要がありました。
公衆の遵守を監視するために、研究者はマスクを付けた顔を自動的に検出できる効率的なシステムを迅速に開発することを目指しました。
ただし、代表的で斬新なデータセットの欠如が最大の課題であることが判明しました。
フェイスマスクのデータセットを収集する初期の試みでは、潜在的な人種、性別、および年齢の偏りが考慮されていませんでした。
したがって、結果として得られるモデルは、アジア人や白人などの特定の人種グループに対する固有のバイアスを示しています。
この作業では、パンデミック中に世界中から Twitter に投稿された画像を含む、新しいフェイス マスク検出データセットを提示します。
以前のデータセットとは異なり、提案された Bias-Aware Face Mask Detection (BAFMD) データセットには、過小評価されている人種や年齢層からのより多くの画像が含まれており、フェイス マスク検出タスクの問題を軽減します。
広く使用されているフェイスマスク検出データセットの潜在的なバイアスを調査する実験を行い、BAFMD データセットがより優れたパフォーマンスと一般化能力を持つモデルを生成することを示します。
データセットは、https://github.com/Alpkant/BAFMD で公開されています。

要約(オリジナル)

In December 2019, a novel coronavirus (COVID-19) spread so quickly around the world that many countries had to set mandatory face mask rules in public areas to reduce the transmission of the virus. To monitor public adherence, researchers aimed to rapidly develop efficient systems that can detect faces with masks automatically. However, the lack of representative and novel datasets proved to be the biggest challenge. Early attempts to collect face mask datasets did not account for potential race, gender, and age biases. Therefore, the resulting models show inherent biases toward specific race groups, such as Asian or Caucasian. In this work, we present a novel face mask detection dataset that contains images posted on Twitter during the pandemic from around the world. Unlike previous datasets, the proposed Bias-Aware Face Mask Detection (BAFMD) dataset contains more images from underrepresented race and age groups to mitigate the problem for the face mask detection task. We perform experiments to investigate potential biases in widely used face mask detection datasets and illustrate that the BAFMD dataset yields models with better performance and generalization ability. The dataset is publicly available at https://github.com/Alpkant/BAFMD.

arxiv情報

著者 Alperen Kantarcı,Ferda Ofli,Muhammad Imran,Hazım Kemal Ekenel
発行日 2023-01-10 11:51:52+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV, cs.LG, eess.IV パーマリンク