在最近的评估中trueface通过使用一个名为公平脸，标有种族，性别和年龄段，写信中等帖子中，TrueFace的计算机视觉软件开发人员Cyrus Behrozi。
该样本包括每个种族和性别群体中几乎相等的信息，以确保所有人都充分代表。 TrueFace将图像比较以估计每个图像对的相似性得分。
“由于数据集中的所有图像都属于不同的身份，因此比较被视为冒名顶替者匹配，并且相似性分数的分布应大约为0，” Behroozi解释说。 “然后，我们计算出不同的相似性得分阈值的假阳性率从0到1，以在每个种族和性别群体之间进行比较。”
当团队在针对阈值的不同种族上测试模型时，对白人的表现最佳，而表现最差的是东亚人的表现最差，证实存在一些偏见，但“表现最少”。
根据Behroozi的说法，在公正的面部识别模型中，假阳性速率应很小。评估表明，模型TrueFace在女性方面的表现比男性表现更好，但是差异和偏见可以忽略不计。无偏见的面部识别模型可以轻松地在任何地理位置中部署，而无需对其进行重新训练或馈送新数据，无论种族和性别如何，它都会带来互补的结果。该公司表示，例如，它可以在美国，日本，巴基斯坦，白俄罗斯和英国的办公室以及不同社区或城市的杂货连锁店中使用。有关评估的详细信息，请参见中等的。
当在面部识别算法中检测到偏差时，这表明结果可能并非所有人口统计学都准确。根据NIST面部识别供应商测试结果，许多算法对女性和皮肤深色的人表现出很高的假阳性率。
TrueFace的软件最近是在199个算法中排名第七根据最新的面部识别供应商测试（FRVT），美国国家标准技术研究所（NIST）的结果，在真正的模板比较时间中。
