madrid2i

Resumen

Method for eliminating bias (by age, ethnicity or gender) in biometric recognition systems, which involves defining a set of M samples of Y different people labeled based on attributes such as gender, ethnicity or age, where samples A and samples P correspond to samples of the same identity, while samples N correspond to different identities and where, in addition, a value corresponding to the bias of each sample is also entered; and where the proposed method is characterized in that it comprises the steps necessary to learn a transformation function φ (X) that generates a new feature space that allows: (i) to minimize distance d (XA, .XP) between feature vectors (XA, .XP) of A and P; (ii) maximize distance d (XA, .XN) between feature vectors (XA, .XN) A and N; and (iii) reduce bias or in samples until elimination, thus guaranteeing unbiased decision making. (Machine-translation by Google Translate, not legally binding)

Reivindicaciones

1. R E I V I N D I C A C I O N E S 1. - Un método para la eliminación del sesgo en sistemas biométricos que comprende definir un conjunto formado por M muestras de Y personas diferentes etiquetadas a partir de atributos como el género, etnia o edad, de tal forma que las muestras A y las muestras P se corresponden con muestras de la misma identidad, mientras que las muestras N se corresponde con diferentes identidades y donde, además, se introduce un valor o que se corresponde con el sesgo presente en cada muestra; y donde el método se caracteriza porque es un método de aprendizaje automático iterativo que comprende aprender una función de transformación que genera un nuevo espacio de características configurado para:(i)minimizar la distancia entre los vectores de características de A y P;(ii)maximizar la distancia entre los vectores de características A y N; y(iii)reducir el valor o en las muestras hasta su eliminación. 2. - El método de la reivindicación 1 que comprende generar una base de datos de tripletes (T) a partir de las M muestras disponibles de Y identidades de tal forma que las muestras se agrupan en conjuntos de tres, en los que dos muestras pertenecen a una misma identidad y una tercera pertenece a otra identidad distinta. 3. - El método de la reivindicación 2 que comprende pasar cada una de las tres muestras por el modelo pre-entrenado y generar un vector de característicasxde dimensiónd. 4. - El método de una cualquiera de las reivindicaciones 1 a 3 que comprende entrenar un detector de sesgo a partir de los vectores de características y sus etiquetas asociadas de género, edad o etnia; donde dicho detector es, al menos, un algoritmo de clasificación y dará como salida un valorsbd-proporcional al nivel de sesgo presente en el vector de características x 5. - El método de una cualquiera de las reivindicaciones 1 a 4 que comprende una etapa de extracción de sesgo formada por una red neuronal que incluye una capa de entrada y una capa de salida con número de neuronas L. 6.- El método de acuerdo con una cualquiera de las reivindicaciones 1 a 5 que comprenden la etapa de entrenar los pesos de esta capa para encontrar una función de transformación ) que minimice la función de coste: donde<xa>,<x p>,<x n>son los vectores obtenidos en el paso b. 7.- El método de acuerdo con la reivindicación 6, donde el coste se calcula a través de la siguiente ecuación (2): donde xj, xí, son los vectores obtenidos en el paso b para cada uno de los tripletes i de la base de datos es un escalar que definen la cantidad de sesgo presente en los vectores de características de cada triplete, es una distancia entre vectores de características y « una constante, donde la cantidad de sesgo representa la capacidad de un algoritmo para detectar atributos sesgados en ese espacio de características. 8.- El método de acuerdo con una cualquiera de las reivindicaciones 6 y 7 donde el escalar calcula como: Ififf ( l arg mar-; donde £ es una constant alida del detector de sesgo entrenado previamente en el paso c para la muestra A.(V -H )) y(<KXÍtÍj se calculan de forma análoga. 9.- El método según una cualquiera de las reivindicaciones 1 a 8 donde el proceso iterativo de eliminación del sesgo -1 finaliza cuando el detector de sesgo no sea capaz de superar un rendimiento mínimo de detección de sesgo. 10. - Un sistema de reconocimiento biométrico que comprende uno o más procesadores; al menos una memoria; y uno o más programas en el que dichos programas están almacenados en una memoria y configurados para ejecutarse mediante el o los procesadores, caracterizado porque los programas incluyen instrucciones para ejecutar el método de las reivindicaciones 1 a 9. 11. - Un producto de programa informático con instrucciones configuradas para su ejecución por uno o más procesadores que, cuando son ejecutadas por un sistema de reconocimiento biométrico de acuerdo con la reivindicación 10 hacen que dicho sistema lleve a cabo el método según cualquiera de las reivindicaciones 1 a 9.

Índice de la ficha

En detalle

Resumen

Reivindicaciones

Etiquetas