跳到正文
arXiv cs.AI· Kuniko Paxton, Koorosh Aslansefat, Dhavalkumar Thakker, Yiannis Papadopoulos·· 4 小时前AI 评分24

将肤色视为连续属性:皮肤病变分类中的肤色偏见评估与缓解

Evaluating and Mitigating Skin Color Bias in Skin Lesion Classificatio

AI 导读

一项研究提出将肤色表示为连续属性,并依据其与分类性能的非线性关系为每个样本分配权重,以缓解皮肤病变分类器中的肤色偏见。在两个皮肤病数据集上的评估显示,公平性指标对肤色分类方式敏感,该方法相比传统的分类重加权能带来更稳定的公平性提升,同时基本保持分类性能。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:皮肤病变分类器可能因将肤色视为分类属性而忽略细微肤色差异带来的性能差异。本研究提出一种方法,将肤色表示为连续属性,并根据其与分类性能的非线性关系为每个样本分配个体权重。在两个皮肤病学数据集上的评估表明,公平性指标对肤色分类敏感。与传统的分类重加权相比,所提方法还表现出更稳定的公平性改进,同时总体上保持了分类性能。
主题: 计算机视觉与模式识别(cs.CV);人工智能(cs.AI);机器学习(cs.LG)
引用为: arXiv:2506.11627 [cs.CV]
  (或此版本的 arXiv:2506.11627v2 [cs.CV])
  https://doi.org/10.48550/arXiv.2506.11627

arXiv 颁发的 DOI(通过 DataCite)

提交历史

来自:Kuniko Paxton [查看电子邮件]
[v1] 2025年6月13日星期五 09:54:01 UTC(3,555 KB)
[v2] 2026年11月17日星期二 10:24:41 UTC(668 KB)

来源:arXiv cs.AI · arxiv.org