人脸识别研究中的多样性问题
要点
- 用于研究的人脸图像数据库主要描绘来自西方、受过教育、工业化、富裕和民主社会的人.
- 一种新颖的工具将研究人员连接到最适合他们研究问题的人脸图像数据库，并帮助他们选择不同的数据库.
- 具有身体异常的面部图像数据库还允许研究人员调查看起来不同的社会惩罚.
来源:Vlad Hilitanu 在 Unsplash 上的照片.
本文由 Clifford I. Workman 博士合着
心理学和相关学科，如社会和认知神经科学，存在奇怪的问题——也就是说，它们过于依赖来自西方、受过教育、工业化、富裕和民主社会的参与者.
Joseph Henrich 在 2010 年揭露了这个问题的普遍性，认为“科学家现在面临一个选择——他们要么承认他们在许多领域的发现不能推广到 [WEIRD subpopulations] 之外(并保留它)，或者他们可以开始采取艰难的步骤来建立对我们物种的更广泛、更丰富和更扎实的理解."
在研究人员为他们的研究寻找第一批志愿者之前很久，WEIRD-ness 的问题就可以从实验室开始.这个问题对于人脸研究尤其如此，无论是专注于描述实现人脸感知的机制、支持吸引力判断、从面部线索中提取社会相关信息，还是设计机器学习算法来创建和检测人脸.
面部研究人员通常需要面部照片作为实验的刺激物或训练和测试机器学习算法.幸运的是，有大量可供研究人员免费使用的人脸数据库可供选择.不幸的是，许多最知名的数据库都描述了人口统计数据扭曲的人.例如，FACES 数据库(根据 Google Scholar 的数据已被引用超过 800 次)仅包含白人面孔(Ebner 等，2010).为了进行比较，由欧洲以及非洲和东亚人脸组成的“多种族超分辨率"(MR2)人脸数据库的引用次数少于 80 次(Strohminger 等人，2016 年).
将研究人员连接到不同的人脸数据库
在 Methods in Psychology
在将 CFAD 与 fIMDb 一起发布时，我们希望研究面部处理心理学和神经生物学的人们可能会受到 CFAD 的启发，从而加深我们对外表不同的社会惩罚的理解.我们希望 fIMDb 和 CFAD 一起帮助面子研究人员使他们的研究不那么奇怪.
参考资料
