文献

J-GLOBAL ID：202002217545091366   整理番号：20A1245141

顔認識のための地理的性能微分の低減【JST・京大機械翻訳】

Reducing Geographic Performance Differentials for Face Recognition

著者 (4件)： Bruveris Martins (Onfido,UK) ,  Mortazavian Pouria (Onfido,UK) ,  Gietema Jochem (Onfido,UK) ,  Mahadevan Mohan (Onfido,UK)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： WACVW  ページ： 98-106  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 顔認識アルゴリズムはより正確になり,より広く展開されているので,アルゴリズムが誰でも等しく動作することを保証することがますます重要になっている。ID文書からの写真に対する自己化を比較するとき,異なる国にわたる誤った受け入れと誤った拒否率における地理的性能差を研究した。データセットにおける大きな不均衡にもかかわらず,サンプリング戦略を用いて地理的性能差を軽減する方法を示した。ドメイン固有のドクセルデータ上の顔認識CNNを微調整するためにバニラ領域適応戦略を用いることは,そのようなデータに関するモデルの性能を改善するが,不均衡な訓練データの存在下では,人口統計学的バイアスを有意に増加させる。次に,訓練手順をバランスさせるためにサンプリング戦略を採用することによってこの効果を軽減する方法を示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  バニラ ,  *微分 ,  地理学 ,  バイアス
準シソーラス用語： 人口統計学 ,  訓練データ ,  認識アルゴリズム , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 顔認識 ,  地理 ,  微分