IMDB-WIKI ist ein groß angelegter Datensatz zur Schätzung von Gesichtsalter und -geschlecht, der 523.051 Gesichtsbilder enthält, die aus der Internet Movie Database (IMDB) und Wikipedia gesammelt wurden. Jedes Bild ist mit einem Geschlechtslabel und einem Alterswert annotiert, der aus den zugehörigen Metadaten wie Filmveröffentlichungsdaten oder biografischen Informationen abgeleitet wird. Der Datensatz wurde 2015 von den Forschern Rasmus Rothe, Radu Timofte und Luc Van Gool an der ETH Zürich eingeführt und hat sich als Standard-Benchmark für die Bewertung von Computervisionsmodellen in der Erkennung demografischer Attribute etabliert.
Der Datensatz zeichnet sich durch seine Größe und reale Vielfalt aus, da die Bilder aus Prominentenfotos und biografischen Porträts stammen. Die Alterslabels sind jedoch verrauscht, da sie aus der Differenz zwischen dem Aufnahmedatum des Bildes und dem Geburtsdatum der Person geschätzt werden, was bei älteren Fotos oder unbekanntem Aufnahmedatum ungenau sein kann. Trotzdem war IMDB-WIKI maßgeblich an der Weiterentwicklung von Deep-Learning-Ansätzen zur Altersschätzung beteiligt und dient oft als Vortrainingskorpus, bevor auf saubereren Datensätzen feinabgestimmt wird.
Konstruktion und Annotation
Der IMDB-WIKI-Datensatz wurde durch automatisches Crawlen von Bildern aus IMDB und Wikipedia erstellt. Für IMDB wurden Bilder mit Schauspielern und Schauspielerinnen verknüpft, und das Alter wurde als Differenz zwischen dem Veröffentlichungsjahr des Films und dem Geburtsjahr des Schauspielers berechnet. Für Wikipedia wurden Bilder mit biografischen Seiten verknüpft, und das Alter wurde aus dem letzten Änderungsdatum der Seite oder dem Geburtsdatum der Person abgeleitet. Das Geschlecht wurde basierend auf dem bekannten Geschlecht der Person zugewiesen. Der endgültige Datensatz umfasst 460.723 Bilder aus IMDB und 62.328 aus Wikipedia, insgesamt 523.051 Bilder. Gesichter wurden mit einem Gesichtsdetektor erkannt, und jedes Bild wurde auf den Gesichtsbereich zugeschnitten, obwohl einige Zuschnitte Fehler oder mehrere Gesichter enthalten.
Verwendung im Deep Learning
IMDB-WIKI wird in der Deep learning-Gemeinschaft häufig zum Training und zur Evaluierung von neuralen Netzen für Alters- und Geschlechtsklassifikationsaufgaben verwendet. Viele State-of-the-Art-Modelle, einschließlich solcher, die auf Residualnetzen und anderen Faltungsarchitekturen basieren, wurden auf IMDB-WIKI vortrainiert. Die große Skala des Datensatzes hilft Modellen, robuste Merkmale für das Gesichtserscheinungsbild zu lernen, aber das Labelrauschen erfordert oft robuste Verlustfunktionen oder Datenbereinigungsstrategien. Forscher haben IMDB-WIKI auch verwendet, um die Auswirkungen von Altersschätzungsfehlern, Domänenverschiebungen und Fairness über demografische Gruppen hinweg zu untersuchen.
Benchmarks und Evaluierung
IMDB-WIKI wird häufig als Benchmark für die Altersschätzung verwendet, mit Metriken wie dem mittleren absoluten Fehler (MAE) und dem kumulativen Score. Der Datensatz wird in Trainings- und Testmengen aufgeteilt, obwohl die offizielle Aufteilung nicht immer über Studien hinweg konsistent ist. Viele Arbeiten berichten Ergebnisse auf der IMDB-WIKI-Testmenge nach der Feinabstimmung auf saubereren Datensätzen wie Adience oder UTKFace. Die verrauschten Labels machen ihn zu einem anspruchsvollen Benchmark, und Modelle, die auf IMDB-WIKI einen niedrigen MAE erzielen, generalisieren oft gut auf andere Altersschätzungsaufgaben. Die Genauigkeit der Geschlechtsklassifikation auf IMDB-WIKI wird ebenfalls berichtet und übersteigt für moderne Modelle typischerweise 95%.
Einschränkungen und ethische Überlegungen
Der Datensatz hat mehrere Einschränkungen. Die Alterslabels sind verrauscht und auf Prominente ausgerichtet, die möglicherweise professionelle Fotos und Make-up haben, die sich von der allgemeinen Bevölkerung unterscheiden. Die Geschlechtslabels sind binär und berücksichtigen keine nicht-binären Identitäten. Darüber hinaus wurde der Datensatz ohne ausdrückliche Einwilligung der Personen gesammelt, was Datenschutzbedenken aufwirft. Forscher, die IMDB-WIKI verwenden, sollten sich dieser Probleme bewusst sein und die ethischen Auswirkungen der Bereitstellung von Modellen bedenken, die darauf trainiert wurden, insbesondere in sensiblen Anwendungen wie Überwachung oder demografischer Profilerstellung. Der Datensatz ist für Forschungszwecke verfügbar, aber seine Verwendung in kommerziellen Produkten kann zusätzliche Prüfung erfordern.
Verwandte Datensätze und Auswirkungen
IMDB-WIKI hat mehrere Folge-Datensätze inspiriert, wie die IMDB-Clean- und Wiki-Clean-Versionen, die verrauschte Labels filtern, und wird oft mit dem Adience-Datensatz verglichen, der genauere Altersgruppen, aber weniger Bilder hat. Der Datensatz wurde auch in Studien zu Data Augmentation und Curriculum Learning verwendet, um die Genauigkeit der Altersschätzung zu verbessern. Seine Auswirkungen reichen über die Computervision hinaus, da er in der Artificial intelligence-Forschung zu Fairness und Verzerrung in der Gesichtsanalyse verwendet wurde. Der Datensatz bleibt eine wichtige Ressource für Forscher, die an der Erkennung demografischer Attribute arbeiten, trotz seiner bekannten Einschränkungen.
Siehe auch
- maschinelles Lernen
- Computervision
- Gesichtserkennung
Referenzen
- Rothe, R., Timofte, R., & Van Gool, L. (2015). DEX: Deep EXpectation of apparent age from a single image. In Proceedings of the IEEE International Conference on Computer Vision Workshops.
- Rothe, R., Timofte, R., & Van Gool, L. (2016). Deep expectation of real and apparent age from a single image without facial landmarks. International Journal of Computer Vision.