顔属性分類のための公平なコントラスト学習【JST・京大機械翻訳】

Park Sungho; Lee Jewook; Lee Pilhyeon; Hwang Sunhee; Kim Dohyung; Byun Hyeran

プレプリント

J-GLOBAL ID：202202217770758550 整理番号：22P0322430

顔属性分類のための公平なコントラスト学習【JST・京大機械翻訳】

Fair Contrastive Learning for Facial Attribute Classification

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年03月30日プレプリントサーバーでの情報更新日： 2022年03月30日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

高品質の学習視覚表現は画像分類に不可欠である。最近,一連の対比的表現学習法が,先行成功を達成した。特に,SupConは,表現学習における交差エントロピー損失に基づく主要な方法を凌駕した。しかし,著者らは,監督された対照的な学習において潜在的倫理リスクがあるかもしれないことを指摘する。本論文では,まず教師つきコントラスト学習による不公平性を解析し,公正な視覚表現学習のための新しいFair Supervised Controlive Oloss(FSCL)を提案した。教師つきコントラスト学習の philosophy学を継承して,それは,表現における敏感な属性情報の包含をペナルティ化することによって,公平性を確実にする間,同じクラスの表現を,異なるクラスのものより互いに近づけるように奨励する。さらに,グループワイズ正規化を導入し,グループ内コンパクト性とクラス間分離の不均衡を,非公正な分類を喚起する人口統計学的グループ間で縮小する。CelebAとUTK顔に関する大規模な実験を通して,著者らは,提案方法が,トップ-1精度と公平性の間のトレードオフに関して,SupConと既存の最先端の方法を著しく上回ることを立証した。さらに,本手法はデータバイアスの強度に対してロバストであり,不完全教師つき設定において効果的に動作する。このコードはhttps://github.com/sungho CoolG/FSCLで利用可能である。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

図形・画像処理一般 , 人工知能

, , , ,

前のページに戻る