机构名称：
¥ 3.0
尽管发现人脸识别系统对深色皮肤的人总体表现不佳，尤其是深色皮肤的女性，但后续研究表明，仅使用更具代表性的数据集训练系统似乎就可以在这些受影响的群体上获得明显更好的性能。例如，参见 C. Romine（NIST 信息技术实验室主任），“面部识别技术听证会证词（第三部分）：确保商业透明度和准确性”，美国众议院国土安全委员会，2020 年；P. Grother、M. Ngan 和 K. Hanaoka，“NISTIR 8280：人脸识别供应商测试（FRVT）第 3 部分：人口统计影响”，NIST，2019 年； R. Puri，“减轻 AI 模型中的偏见”，IBM 研究博客，2018 年。有关歧视本身的初步研究，请参阅 J. Buolamwini 和 T. Gebru，“性别阴影：商业性别分类中的交叉准确性差异”，公平、问责和透明度会议，2018 年。
纽约市人工智能入门指南
主要关键词
相关文件推荐
