本文分析了自动化性别分类系统在不同种族和性别群体中的差异性，探讨了深度学习算法中的架构差异和训练集不平衡等潜在差异性来源。实验结果显示，不同算法的分类表现一致，黑种女性和黑种族总体的准确率最低，中东男性和拉丁女性的准确率较高。同时指出，黑种女性表现不佳可能与骨骼结构受基因和环境因素影响的面部形态差异有关。

本文介绍了一种消除预测模型偏见的方法，通过从训练数据中去除保护变量的信息。该方法应用于罪犯记录数据集，产生了种族中立的再逮捕预测方案。研究证明，将种族作为协变量省略仍会导致种族差异存在。然而，应用本文提出的方法可以消除数据中的种族差异，并对预测准确性的影响最小化。