Can the accuracy bias by facial hairstyle be reduced through balancing the training data?

一张脸的外貌可以通过留胡子和小胡子来大大改变。一对图像中的面部发型可以导致冒名顶替者分布和真实分布发生显著变化。此外，不同人口统计数据中面部发型的分布可能会导致在不同人口统计数据中相对准确度的错误印象。我们首先表明，尽管更大的训练集可以提高对所有面部发型的识别准确性，但无论训练集的大小如何，面部发型引起的准确性变化仍然存在。然后，我们分析了训练数据中不同部分代表面部发型的影响。我们使用Webface42M中可用的一组具有干净剃须和面部毛发图像的身份创建了平衡的训练集。我们发现，即使面部识别模型使用平衡的干净剃须/面部毛发训练集进行训练，测试数据上的准确性变化也不会减少。接下来，我们使用数据增强来进一步研究面部毛发分布在训练数据中的影响，通过使用面部标记点和面部毛发分割模型来操作面部毛发像素。我们的结果表明，面部毛发会导致干净剃须和面部毛发图像之间的准确度差距，并且这种影响在非裔美国人和白人之间可能会有显著的不同。

本论文旨在探讨面部发型对人脸识别准确性的影响，特别是在不同人种之间的差异。

论文通过实验发现，人脸识别的准确性受到面部发型的影响，即使使用平衡的训练数据集也无法消除这种影响。同时，该影响在不同人种之间存在显著差异。

论文使用了Webface42M数据集和面部特征点和面部发型分割模型进行数据增强，以研究面部发型在训练数据中的分布对人脸识别准确性的影响。实验结果表明，面部发型会导致干净剃须和有胡须的图像之间的准确性差距，并且这种影响在非洲裔美国人和白人之间存在显著差异。

在相关研究中，已经有一些关于面部发型对人脸识别准确性的影响的研究，例如“Facial Hair Disguise and Recognition: An Empirical Study”和“Facial Hair in Face Recognition: A Survey”。