ImageNet决定给人脸打码

Net总共有1000多个标签，其中只有3个标签与人相关，而很多看似与人脸无关的标签下，反而可能有大量人脸照片。

因此，研究团队通过亚马逊Rekognition的自动人脸识别以及众包方式，在150万张图片中，找出了243198张包含人脸的图片。

这些图片中的562626张人脸都已被模糊处理。

给人脸打码会影响AI模型效果吗？这恐怕是“炼丹”人士最关心的问题了。

在修改数据集之后，普林斯顿大学的博士生杨凯峪对这个问题进行了一番研究。

偏差不大，但结果微妙

研究者使用模糊处理后的数据集进行目标检测和场景检测基准测试。

在AlexNet、VGG、ResNet等15种主流网络模型上测试后发现，Top-1准确率最多下降1%，平均仅下降0.66%，Top-5准确率平均下降0.42%。


 

觉得很奇怪，因为这两个类别中的大多数图像都没有人脸。具体原因如何只有等待后续研究了。

MIT科学家Aleksander Madry认为，模糊人脸的数据集训练的AI有时候很奇怪，数据中的偏差非常微妙，但可能会带来严重的后果。

向隐私和偏见说不

2020年，在计算机科学道德伦理学术会议FAccT上，ImageNet数据集删除了“人”子树中2702个同义集，因为这些类别中含有令人反感、贬义或污秽的表述。例如一些种族和性别歧视的内容。

虽然ImageNet此次对隐私问题做出了重大改变，但来自UnifyID的首席科学家Vinay Prabhu指出该数据集还有许多严重问题。

去年7月，Prabhu发表的一篇论文指出，ImageNet、Tiny Im

（编辑：常州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!