Trueface阐述了面部生物识别模型的偏差降低

发布时间：2021-04-01 作者：未知

　　腾佑AI人工智能持续为大家分享基于生物识别技术的人脸识别国际快讯：Trueface阐述了面部生物识别模型的偏差降低

　　Trueface表示，其Fairface面部生物识别数据集有助于量化TFV5面部识别模型中的偏见因素，从而使该公司能够减少种族之间准确性的差异。该公司的计算机视觉软件开发人员Cyrus Behroozi在Medium上的帖子中详细介绍了Trueface对TFV5的评估结果。

　　该帖子还提供了一个蓝图，可指导客户通过提高模型的操作阈值来减少面部识别应用程序中的误报。

　　在帖子中，Behroozi列出了TFV5模型与其前身TFV4之间的可量化差异。一个显着的差异是，所有种族和性别群体（包括东亚人和东南亚人）的偏见减少了，贝鲁兹说，这通常是代表性不足的地方。这是由于从代表性不足的组向训练数据集添加了补充图像。

　　“Fairface数据集包含来自七个主要族裔群体的均衡数量的面部图像，并且每个身份最多只能包含一个图像。在评估中，我们为数据集中的每个图像生成一个面部识别模板，然后将每个面部模板相互比较以生成相似度评分。”他解释说。

　　与TFV4相比，新模型似乎使东亚和南亚历来代表性不足的族裔的偏见大大减少。Behroozi指出，这主要归因于从道德角度出发的生物识别训练数据集，该数据集由这些群体的图像组成。

　　Behroozi还指出，这可以带来技术平等，而不论性别和种族。他进一步补充说，减少误报率还可以降低将其应用于生物识别访问控制方案时的安全风险。“总的来说，我们建议客户的相似性得分阈值应介于0.3到0.4之间，尽管确切的阈值最终取决于所需的误报率或误报率。您将在下面的两个图中注意到，TFV5在所有种族的操作区域中的误报率都大大降低了，”他补充说。

　　更多以生物识别技术为基础的人脸识别国际快讯，腾佑AI人工智能持续分享中，若您有人脸识别相关的产品需求，咨询在线客服获取更多详情！

标签：面部识别模板计算机视觉面部识别生物识别技术生物识别 face识别人工智能人脸识别

上一篇：百度智能云发布云智一体AI开发全栈模式

下一篇：深度学习师资培训第14期火热招生中

Trueface阐述了面部生物识别模型的偏差降低

热门资讯