FairFace：平衡种族、性别和年龄的面部属性数据集

现有的公共面部数据集严重偏向于白人面孔，其他种族（例如，拉丁裔）则显著不足。这可能导致模型准确性不一致，限制面部分析系统在非白人种族群体中的适用性，并对基于如此偏差数据的研究结果产生负面影响。为了减轻这些数据集中存在的种族偏见，我们构建了一个新型面部图像数据集，包含108,501张图像，强调数据集中平衡的种族组成。我们定义了7个种族群体：白人、黑人、印度人、东亚人、东南亚人、中东人和拉丁裔。图像来自YFCC-100M Flickr数据集，并标注了种族、性别和年龄组。我们在现有的面部属性数据集以及新颖的图像数据集上进行了评估，以测量泛化性能。我们发现，从我们的数据集训练的模型在新颖数据集上显著更准确，并且在种族和性别群体之间的准确性是一致的。