文献

J-GLOBAL ID：202202219407435197   整理番号：22A0789059

Bias軽減技術における重要な問題の調査【JST・京大機械翻訳】

An Investigation of Critical Issues in Bias Mitigation Techniques

著者 (3件)： Shrestha Robik (Rochester Institute of Technology) ,  Kafle Kushal (Adobe Research) ,  Kanan Christopher (Rochester Institute of Technology)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： WACV  ページ： 2512-2523  発行年： 2022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： 深層学習における重要な問題は,システムが不適当なバイアスを学習し,少数グループでうまく実行できないことである。これは,バイアスを緩和するために努力する複数のアルゴリズムの生成をもたらした。しかし,これらの方法が有効である方法は不明である。これは,研究プロトコルが論文間で異なるので,システムが多くの形式のバイアスを試験できないデータセットでテストされ,システムが隠れ知識にアクセスし,試験セットに特に調整されている。これに取り組むために,著者らは,バイアス軽減アルゴリズムに関する重要な質問を問い合わせ,答えることができる,改良評価プロトコル,顕性メトリックス,および新しいデータセットを導入した。著者らは,同じネットワークアーキテクチャと3つのベンチマークデータセットを通してハイパーパラメータ選択ポリシーを用いて7つの最先端アルゴリズムを評価した。多重バイアス源に対するロバスト性の評価を可能にするBiased MNISTと呼ばれる新しいデータセットを導入した。Biased MNISTと視覚質問回答(VQA)ベンチマークを用いて,隠れバイアスに対するロバスト性を評価した。テストセット分布に同調するだけではなく,多くの応用のため,試験分布が開発中に知られていないので,異なる同調分布にわたってロバスト性を研究した。隠れバイアスを利用するアルゴリズムは,バイアスの多重形式にスケーリングできず,同調集合の選択に非常に敏感であることを見出した。著者らの知見に基づいて,著者らは将来のバイアス緩和方法のより厳密な評価を採用するコミュニティを探した。すべてのデータ,コード,および結果は,公的に利用可能な1である。Copyright 2022 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 ,  視覚 ,  コミュニティ ,  *同調 ,  多重化 ,  緩和現象 ,  バイアス ,  ベンチマーク ,  ロバスト性 ,  ネットワークアーキテクチャ
準シソーラス用語： メトリックス ,  ハイパーパラメータ ,  深層学習 , 【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 (2件)： 問題 ,  調査