核心概念
Entwicklung eines filterresistenten Gesichtserkennungssystems (FaceFilterNet) und Systeme zur Schätzung von Alter, Geschlecht und Ethnizität (AgeFilterNet, GenderFilterNet, EthnicityFilterNet), die auch bei Verwendung von Filtern genaue Ergebnisse liefern.
摘要
Die Studie präsentiert ein umfassendes Framework zur filterresistenten Gesichtserkennung und Gesichtsattributanalyse. Zunächst wurde ein Datensatz von 102 Personen mit 10 verschiedenen Filtern erstellt, um die Auswirkungen von Filtern auf Gesichtserkennungssysteme zu untersuchen.
Basierend auf diesem Datensatz wurde das FaceFilterNet-Modell entwickelt, das Gesichter auch bei Verwendung von Filtern zuverlässig erkennt. Dieses Modell diente dann als Feature-Extraktor für die Entwicklung von Systemen zur Schätzung von Alter (AgeFilterNet), Geschlecht (GenderFilterNet) und Ethnizität (EthnicityFilterNet), die ebenfalls filterresistent sind.
Die Ergebnisse zeigen, dass die vorgeschlagenen Modelle deutlich besser abschneiden als bestehende Ansätze, wenn Filtereffekte berücksichtigt werden müssen. Darüber hinaus wurde eine detaillierte filterbasierte Analyse durchgeführt, um den Grad der Verzerrung durch einzelne Filter zu quantifizieren und deren Verwendbarkeit zu kommentieren.
Insgesamt präsentiert die Studie ein umfassendes Framework, das die Herausforderungen von Filtern in Gesichtserkennungssystemen adressiert und robuste Lösungen für verschiedene Anwendungsfälle bietet.
統計資料
Das FaceFilterNet-Modell erreicht eine Genauigkeit von 87,25% bei der Gesichtserkennung, auch bei Verwendung von Filtern.
Das AgeFilterNet-Modell schätzt das Alter mit einem durchschnittlichen Fehler von nur 1,74 Jahren, im Vergleich zu 6-7 Jahren bei bestehenden Modellen.
Das GenderFilterNet-Modell erreicht eine Genauigkeit von 98,3% bei der Geschlechtsvorhersage, im Vergleich zu 93% bei bestehenden Modellen.
Das EthnicityFilterNet-Modell erreicht eine Genauigkeit von 83,2% bei der Ethnizitätsvorhersage, im Vergleich zu 75,4% bei bestehenden Modellen.
引述
"Filters like Hipster Look from Snapchat, Child Filter and Gender Reverse from FaceApp tend to make the faces look younger."
"Filters like Hipster Look from Snapchat and Child Filter from FaceApp produce images that make them look more like a female."
"Filters like - Child Filter from FaceApp and Puppy Filter from B612 misclassify most faces as east asian. This shows that filters like these might promote bias against this ethnicity."