สองประเทศพานาโซนิคดิวิชั่นและมหาวิทยาลัยสิงคโปร์ได้พัฒนาวิธีการฝึกอบรมอัลกอริธึม Biometrics Face ที่พวกเขากล่าวว่าปรับปรุงประสิทธิภาพของการรับรู้ใบหน้าสำหรับกลุ่มประชากรที่แสดงโดยข้อมูลการฝึกอบรมที่น้อยลงEE Times Asiaรายงาน
องค์กรพันธมิตร ได้แก่ Panasonic Connect Co. Ltd, Panasonic R&D Center Singapore (สถาบันวิจัยสิงคโปร์) และมหาวิทยาลัย Nanyang Technological ของสิงคโปร์ (NTU)
กระดาษเกี่ยวกับวิธีการฝึกอบรม Biometrics Face ซึ่งเรียกว่า "ฟีเจอร์คงที่เป็นมาตรฐานสำหรับการจดจำใบหน้าที่ยุติธรรม” ได้รับการยอมรับสำหรับการตีพิมพ์โดยการประชุมนานาชาติเรื่องวิสัยทัศน์คอมพิวเตอร์ (ICCV) 2023
นักวิจัยกล่าวว่าแบบจำลองมีแนวโน้มที่จะเลือกคุณสมบัติเฉพาะทางประชากรศาสตร์ สิ่งเหล่านี้สามารถลบออกได้ผ่านการแทรกแซงเชิงสาเหตุ แต่การทำคำอธิบายประกอบที่จำเป็นนั้นมีราคาแพง
วิธีการของพวกเขาเกี่ยวข้องกับการสร้าง“ พาร์ติชันข้อมูลที่หลากหลายซ้ำ ๆ ในรูปแบบที่ไม่ได้รับการดูแล” ตามนามธรรม พาร์ติชันข้อมูลทำหน้าที่เป็นคุณลักษณะการมอบอำนาจตนเองในการ“ ถอดรหัส” โมเดลผ่าน“ การทำให้เป็นมาตรฐานฟีเจอร์คงที่ (Inv-reg)”
นักวิจัยทดสอบวิธีการกับชุดข้อมูลการประเมินความท้าทายการจดจำใบหน้าที่สวมหน้ากากและพบว่าอัตราความผิดพลาดลดลงในสี่กลุ่มเชื้อชาติและภาพของผู้หญิง
มหาวิทยาลัยวิสคอนซินนักวิจัยที่มองหาอคติทางเทคโนโลยีและโซเชียลมีเดียแนะนำว่าอคติที่ไม่รู้สึกตัวซึ่งไม่มีใครทักท้วงเนื่องจากความไม่เท่าเทียมกันอย่างมากในแรงงานเทคโนโลยีได้มีส่วนร่วมในการทำให้เกิดผลลัพธ์ที่หลากหลายในระบบที่หลากหลายรวมถึงการจดจำใบหน้า
นักวิจัยกับกระทรวงความมั่นคงแห่งมาตุภูมิของสหรัฐอเมริกาเมื่อเร็ว ๆ นี้พบว่าในขณะที่การแข่งขันและความไม่เสมอภาคทางประชากรอัลกอริทึม Biometrics Face ได้ดีขึ้นพวกเขามีอยู่ในหมู่โมเดลส่วนใหญ่
หัวข้อบทความ
ความแม่นยำ-อคติไบโอเมตริกซ์-ไบโอเมตริกซ์-การวิจัยทางชีวภาพ-ความยุติธรรมทางประชากรศาสตร์-การจดจำใบหน้า-ประเทศพานาโซนิค
