Fair-face verification by using non-sensitive soft-biometric attributes
Loading...
Date
2021
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Los algoritmos de reconocimiento facial han demostrado tener diferencias en los resultados
entre los distintos grupos demográficos. Incluso cuando se establece un umbral
global para obtener una tasa de falsas coincidencias (FMR) específica para todo el sistema,
algunos grupos demográficos pueden obtener resultados significativamente peores que los
indicados. Para mitigar esto, algunos autores han propuesto utilizar umbrales específicos
por grupos demográficos. Sin embargo, esto es poco práctico en un entorno operativo, ya
que requeriría que los usuarios informaran de su grupo demográfico o lo predijeran en el
sistema. Ambas opciones son controversiales, debido a que el dato del grupo demográfico
es sensible. Además, en el caso de utilizar umbrales basados en un grupo racial, requiere
enumerar exhaustivamente todas las razas posibles para el sistema. Demostramos que se
puede conseguir un efecto de mitigación similar utilizando atributos biométricos blandos
predecibles no sensibles. Se trata de atributos basados en la apariencia de los sujetos
que no dependen de cómo se identifican los usuarios (como el peinado, los accesorios y
la geometría facial). Utilizamos 38 atributos binarios no demográficos del conjunto de
datos MAADFace. Presentamos los resultados en el conjunto de datos BFW, que tiene un
número equilibrado de identidades por raza y género. Comparamos las estrategias basadas
en la agrupación y en los árboles de decisión como formas de seleccionar estos umbrales.
Demostramos que estas estrategias pueden reducir los resultados diferenciales en los grupos
interseccionales con el doble de eficacia que el uso de umbrales específicos de género
y, en algunos casos, también son mejores que el uso de umbrales específicos de raza.
Description
Tesis (Master of Science in Engineering)--Pontificia Universidad Católica de Chile, 2021