揭示并纠正图像描述中的性别偏见：数据集与模型分析 (Shruti Bhargava & David Forsyth)

揭示并纠正图像描述中的性别偏见：数据集与模型分析 (Shruti Bhargava & David Forsyth)

摘要: 本文深入探讨了图像描述领域中存在的性别偏见问题。Shruti Bhargava 和 David Forsyth 研究了图像描述数据集和模型中存在的偏见，并提出方法来识别和减轻这些问题。他们分析了流行数据集中的偏差，并展示了这些偏差如何传播到训练好的模型中，导致对不同性别的描述产生差异。本文强调了开发更公平、更准确的图像描述系统的重要性，并为未来的研究提供了有价值的见解。

关键词: 图像描述, 性别偏见, 数据集偏差, 模型偏差, 公平性, Shruti Bhargava, David Forsyth, arXiv, 图像识别

引用: Shruti Bhargava and David Forsyth. Exposing and correcting the gender bias in image captioning datasets and models. arXiv preprint arXiv:1912.00578, 2019.