深層距離学習を用いた顔認識の公平性に関する検討

カテゴリ: 全国大会

論文No: 3-081

グループ名: 【全国大会】令和6年電気学会全国大会論文集

発行日: 2024/03/01

タイトル(英語): A Study on Fairness of Face Recognition Using Deep Metric Learning

著者名: 陳澤舟（日本大学）,関弘翔（日本大学）,細野裕行（日本大学）

著者名(英語): Zezhou Chen (Nihon University),Hiroto Seki (Nihon University),Hiroyuki Hosono (Nihon University)

キーワード: 公平性|深層距離学習|性別分類|fairness|deep metric learning|gender classification

要約(日本語): 人工知能の発展に伴い，様々な技術的及び倫理的な問題点が指摘されている。その一例として，顔認識システムに潜在している性別や人種に関するバイアスが注目されている。2018年の先行研究において，当時既存の多くの顔データセットでは，黒人，特に黒人女性の割合が非常に低いと指摘されている。加えて，当時の性別分類システムを評価した結果として，黒人女性の誤分類率が一番高いことが報告されている。よって本研究では，人種バイアス問題を軽減する性別分類システムの構築を目的とする。本稿では，公平性を向上させるため，データセットのアンバランス解消および深層距離学習をモデルに導入することを検討し，それらの評価を行う。モデルの公平性評価には，公平性指標を用いる。実験結果より，提案モデルの黒人に関する公平性の優位性を検証した。

本誌掲載ページ: 120-121 p

原稿種別: 日本語

PDFファイルサイズ: 302 Kバイト