| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva Pomoč

Naslov:Fostering fairness in image classification through awareness of sensitive data
Avtorji:ID Colakovic, Ivona (Avtor)
ID Karakatič, Sašo (Avtor)
Datoteke:.pdf 1-s2.0-S1568494625004016-main.pdf (2,01 MB)
MD5: 131792810C6ABE1A402EC5820F6B701B
 
URL https://www.sciencedirect.com/science/article/pii/S1568494625004016?via%3Dihub#sec3
 
Jezik:Angleški jezik
Vrsta gradiva:Članek v reviji
Tipologija:1.01 - Izvirni znanstveni članek
Organizacija:FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:Machine learning (ML) has demonstrated remarkable ability to uncover hidden patterns in data. However, the presence of biases and discrimination originating from the data itself and, consequently, emerging in the ML outcomes, remains a pressing concern. With the exponential growth of unstructured data, such as images, fairness has become increasingly critical, as neural network (NN) models may inadvertently learn and perpetuate societal and historical biases. To address this challenge, we propose a fairness-aware loss function that iteratively prioritizes the worst-performing sensitive group during NN training. This approach aims to balance treatment quality across sensitive groups, achieving fairer image classification outcomes while incurring only a slight compromise in overall performance. Our method, evaluated on the FairFace dataset, demonstrates significant improvements in fairness metrics while maintaining comparable overall quality. These trade-offs highlight that the minor decrease in overall quality is justified by the improvement in fairness of the models.
Ključne besede:fairness, search-basimage classification, machine learning, supervised learnign, neural networks
Status publikacije:Objavljeno
Verzija publikacije:Objavljena publikacija
Poslano v recenzijo:05.11.2024
Datum sprejetja članka:22.03.2025
Datum objave:04.04.2025
Založnik:Elsevier
Leto izida:2025
Št. strani:10 str.
Številčenje:Vol. 136, [article] no.] 113090
PID:20.500.12556/DKUM-92602 Novo okno
UDK:004.8
COBISS.SI-ID:232495363 Novo okno
DOI:10.1016/j.asoc.2025.113090 Novo okno
ISSN pri članku:1872-9681
Avtorske pravice:© 2025 The Authors
Datum objave v DKUM:23.04.2025
Število ogledov:345
Število prenosov:11
Metapodatki:XML DC-XML DC-RDF
Področja:Ostalo
:
Kopiraj citat
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share



Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Gradivo je del revije

Naslov:Applied soft computing
Založnik:Elsevier Science
ISSN:1872-9681
COBISS.SI-ID:19536150 Novo okno

Gradivo je financirano iz projekta

Financer:ARIS - Javna agencija za znanstvenoraziskovalno in inovacijsko dejavnost Republike Slovenije
Številka projekta:P2-0057-2018
Naslov:Informacijski sistemi

Financer:ARIS - Javna agencija za znanstvenoraziskovalno in inovacijsko dejavnost Republike Slovenije
Številka projekta:J5-50176-2023
Naslov:Razumevanje hrepenenja po hrani in vnosa hrane: Od skupinskih povprečij k personaliziranemu pristopu

Licence

Licenca:CC BY 4.0, Creative Commons Priznanje avtorstva 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by/4.0/deed.sl
Opis:To je standardna licenca Creative Commons, ki daje uporabnikom največ možnosti za nadaljnjo uporabo dela, pri čemer morajo navesti avtorja.

Sekundarni jezik

Jezik:Slovenski jezik
Ključne besede:pravičnost, strojno učenje, nadzorovano učenje, nevronske mreže


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici