文献

J-GLOBAL ID：202102219494973640   整理番号：21A0151957

顔属性分類における非公平性を緩和するための再サンプリング戦略【JST・京大機械翻訳】

Resampling Strategy for Mitigating Unfairness in Face Attribute Classification

著者 (6件)： Kim Dohyung (Yonsei University,Department of Computer Science,Seoul,Korea) ,  Park Sungho (Yonsei University,Department of Computer Science,Seoul,Korea) ,  Hwang Sunhee (Yonsei University,Department of Computer Science,Seoul,Korea) ,  Ki Minsong (Yonsei University,Department of Computer Science,Seoul,Korea) ,  Jeon Seogkyu (Yonsei University,Department of Computer Science,Seoul,Korea) ,  Byun Hyeran (Yonsei University,Department of Computer Science,Seoul,Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICTC  ページ： 399-402  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： 人工知能(AI)システムの広範な成功により,システムに基づく様々な応用が日常生活に適用されている。しかし,AIシステムは,バイアスによる訓練データセットに大きく依存するので,社会的問題も提起する。その結果,AIシステムにおける信頼性に関しては,一般的な研究題目となり,最近の研究では,開発したモデルにおける不公平性を明らかにした。本論文では,人口統計学的グループ間の公平性を考慮した新しいバッチサンプリング戦略を提案する。アンダーサンプリングまたはオーバーサンプリングのような従来のバッチサンプリング法とは異なり,データのバッチサンプリング確率を推定するための公平性の概念を直接反映する。このバッチサンプリング法は,CelebAとUTKFaceデータセットの画像分類タスクにおける以前の方法と比較して,よりフェアな結果を達成することを経験的に実証した。Copyright 2021 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： 信頼性 ,  *人工知能 ,  バイアス ,  人工知能システム ,  公平性
準シソーラス用語： 人口統計学 ,  オーバサンプリング ,  訓練データ ,  *リサンプリング ,  画像分類 ,  アンダーサンプリング , 【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 (7件)： 顔 ,  属性 ,  分類 ,  公平性 ,  緩和 ,  再サンプリング ,  戦略