所有文章 > 正文

Facebook发现: 计算机识别系统更青睐识别"有钱人"

作者: Jansfer

时间: 2019-06-17 14:24

据venturebeat 6月7日报道,Facebook AI研究人员对Facebook、Google Cloud、微软Azure、AWS、IBM Watson和Clarifai等6种物体识别系统进行了测试分析,发现这些计算机视觉系统能更加高效地识别更贵的家居物品。同时研究结果表明,这六种系统在识别最昂贵的一批家具时,识别的成功率要比最便宜的一批家具高出10%到20%。

据venturebeat 6月7日报道,Facebook AI研究人员对Facebook、Google Cloud、微软Azure、AWS、IBM Watson和Clarifai等6种物体识别系统进行了测试分析,发现这些计算机视觉系统能更加高效地识别更贵的家居物品。同时研究结果表明,这六种系统在识别最昂贵的一批家具时,识别的成功率要比最便宜的一批家具高出10%到20%。

公司发言人拒绝透露其他公司的具体数据,但对比月收入高于3500美元的美国家庭和月收入低于50美元的索马利亚家庭,Facebook系统的识别准确率存在高达20%的差别。

1.jpg

图为Facebook物体识别系统性能分布

总的来说,这些系统识别北美和欧洲家居用品的准确率要高于亚洲和非洲,研究人员在arXiv上发表了一篇文章,名为“Does Object Recognition Work for Everyone?”(物品识别系统对每个人都有效吗?)

物品识别系统能借助计算机视觉来辨别不同物品之间的差异,比如椅子、牙膏或衣服。许多云服务公司和面向消费者的企业都会用到物体识别技术(如Google Assistant的计算机视觉服务Lens以及Amazon的StyleSense)。对于Facebook而言,物品识别主要用于内容审核,以及帮助视觉障碍人士了解屏幕上的内容。

2.jpg

图为结合目标后的识别性能结果

Facebook博客文章上讲到:“我们的分析表明这种‘物品识别偏见’问题普遍存在,包括我们公司也受其影响。该结果表明了我们需要在各行各业都做得更好。通过公开我们的分析结果和测试方法,整个社区的AI研究人员和工程师可以用这种方法来测试他们自己的物体识别系统的性能,从而更有效地为每个人服务。”

Facebook的目标检测性能地图显示它在南半球的表现较差。

3.jpg

图为Facebook物体识别技术检测精度地图

为了测试物体识别系统的准确性,研究人员使用了Dollar Street,这是一个开源数据集,由Gapminder基金会编译,收集了来自50个国家264个家庭的图像。

Facebook的研究人员表示系统的主要差异可能是由于用来目标检测系统训练的数据集,如ImageNet等,几乎完全是根据欧洲和北美的照片编译的。通过搜索得到的公共照片网站上的照片,也可能是美国和欧洲高收入环境被高估的原因之一。Facebook表示,他们计划通过使用非英语标签的图片训练卷积网络来解决这个问题。

这项工作将在6月16日至20日在加州长滩举行的计算机视觉和模式识别(CVPR)会议上举行的计算机视觉全球挑战研讨会上分享。在今天宣布这一消息之前,Facebook上个月发布了一份演示文稿,详细介绍了Facebook如何测试其计算机视觉和增强现实系统,以确保它们适用于不同肤色的人。

参考:Venturebeat

[关于转载]:本文为“AMiner”官网文章。转载本文请联系原作者获取授权,转载仅限全文转载并保留文章标题及内容,不得删改、添加内容绕开原创保护,且文章开头必须注明:转自“AMiner”官网。谢谢您的合作。

二维码 扫码微信阅读
推荐阅读 更多