FairSAM:通过对抗性最小化实现受损数据的公平分类

📝

内容提要

本研究解决了图像分类模型在受损数据上表现不佳的问题,尤其是影响了不同人口子群体的表现,导致算法偏见。提出了一个新颖的评估指标,结合公平性策略和对抗性最小化方法FairSAM,旨在确保受损环境下各人口群体间的表现公平。实验结果表明,FairSAM有效地平衡了鲁棒性与公平性,为受损数据下的公平且强健的图像分类提供了结构化解决方案。

➡️

继续阅读