边际无偏网络用于公平视觉识别
原文中文，约200字，阅读约需1分钟。发表于：。本文提出了一种新颖的边际无偏网络 (MDN) 来学习无偏表示，通过引入边际惩罚的思想设计了边际 softmax 损失 (MSL)，为解决公平性问题而优化 MDN，并通过元学习框架自适应更新边际参数，实现了在各种数据集上实验表明我们的 MDN 在少数人群样本上取得了显著的性能，并在对抗先前方法时获得更好的无偏结果。
本文介绍了一种新的边际无偏网络（MDN），用于学习无偏表示。通过引入边际惩罚的思想，设计了边际 softmax 损失（MSL），并通过元学习框架自适应更新边际参数。实验结果表明，MDN在少数人群样本上取得了显著的性能，并在对抗先前方法时获得更好的无偏结果。
