摘要
现有的公共面部数据集强烈偏向于高加索人种的面孔，而其他种族（例如拉丁裔）则显著不足。这可能导致模型准确性不一致，限制了面部分析系统在非白人种族群体中的应用，并对基于此类偏斜数据的研究结果产生不利影响。为减轻这些数据集中的种族偏差，我们构建了一个新的面部图像数据集，包含108,501张图像，重点在于数据集中种族构成的平衡。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。图像从YFCC-100M Flickr数据集中收集，并标注了种族、性别和年龄组别。我们在现有的面部属性数据集以及新构建的图像数据集上进行了评估，以测量泛化性能。研究发现，使用我们的数据集训练的模型在新数据集上的准确性显著提高，并且在不同种族和性别群体之间的准确性保持一致。