该研究提出了一种无监督的公平得分归一化方法，以减少面部识别中的偏见并提升性能。实验结果表明，该方法有效降低了性别等群体的偏见，并增强了整体性能。同时，研究探讨了生物识别技术中的算法偏见，尤其是人脸识别的种族歧视，并提出了未来的研究方向。

本研究构建了一个包含108,501张人脸图像的种族平衡数据集，提出了一种无监督的公平得分归一化方法，以减少面部识别中的偏见并提升性能。分析了人脸质量评估与识别偏见的相关性，探讨了面部属性对识别系统的影响。研究指出数据集的偏见影响识别准确性，并提出了公平指标以量化偏见，强调需要更具偏差意识的工具包来创建平衡评估数据集。