Mindshake time : Atténuation des biais de genre, application à la reconnaissance faciale

Malgré la performance et la fiabilité des algorithmes de deep learning dans un grand nombre d’applications quotidiennes, il n’est pas rare que ces modèles présentent des biais (sexe, origine ethnique,...). Afin d’atténuer les biais de genre dans les systèmes de reconnaissance faciale, des chercheurs de Télécom Paris ont développé une nouvelle méthodologie de post-traitement qui transforme les embeddings d’un modèle pré-entrainé pour donner plus de poids aux sous-groupes discriminés.

Jean-Rémy Conti, un des co-auteurs du papier de recherche qui vient d’être accepté à ICML, vous propose de découvrir cette méthodologie.

Lien vers les slides : https://datacraft.paris/wp-content/uploads/2023/04/vMF_datacraft.pdf

Lien vers la vidéo Youtube : https://youtu.be/pDd28bAiX4Y