IMDB-WIKIは、顔の年齢と性別の推定のための大規模データセットであり、インターネット・ムービー・データベース（IMDB）とウィキペディアから収集された523,051枚の顔画像を含んでいる。各画像には、性別ラベルと、映画の公開日や伝記情報などの関連メタデータから導出された年齢値が注釈されている。このデータセットは、2015年にチューリッヒ工科大学の研究者ラスムス・ローテ、ラドゥ・ティモフテ、ルク・ヴァン・グールによって紹介され、人口統計的属性認識におけるコンピュータビジョンモデルの評価の標準的なベンチマークとなっている。
このデータセットは、その規模と実世界の多様性で注目されており、画像は有名人の写真や伝記的な肖像画から抽出されている。しかし、年齢ラベルは、画像の撮影日と対象者の生年月日の差から推定されるため、ノイズが多く、古い写真や撮影日が不明な場合には不正確になる可能性がある。それにもかかわらず、IMDB-WIKIは年齢推定のための深層学習アプローチの進歩に大きく貢献しており、よりクリーンなデータセットで微調整する前の事前学習コーパスとしてしばしば使用されている。
構築と注釈
IMDB-WIKIデータセットは、IMDBとウィキペディアから画像を自動的にクロールして構築された。IMDBでは、画像は俳優や女優に関連付けられ、年齢は映画の公開年と俳優の生年の差として計算された。ウィキペディアでは、画像は伝記ページにリンクされ、年齢はページの最終更新日または対象者の生年月日から導出された。性別は、対象者の既知の性別に基づいて割り当てられた。最終的なデータセットには、IMDBからの460,723枚とウィキペディアからの62,328枚、合計523,051枚の画像が含まれる。顔は顔検出器を使用して検出され、各画像は顔領域に切り抜かれたが、一部の切り抜きには誤りや複数の顔が含まれている。
深層学習での使用
IMDB-WIKIは、年齢と性別の分類タスクにおけるDeep learningコミュニティで、ニューラルネットワークのトレーニングと評価に広く使用されている。残差ネットワークや他の畳み込みアーキテクチャに基づく多くの最先端モデルが、IMDB-WIKIで事前学習されている。このデータセットの大規模さは、モデルが顔の外観の堅牢な特徴を学習するのに役立つが、ラベルノイズのため、堅牢な損失関数やデータクリーニング戦略がしばしば必要となる。研究者はまた、年齢推定誤差、ドメインシフト、人口統計グループ間の公平性の影響を研究するためにIMDB-WIKIを使用している。
ベンチマークと評価
IMDB-WIKIは、平均絶対誤差（MAE）や累積スコアなどの指標を用いて、年齢推定のベンチマークとして一般的に使用されている。データセットはトレーニングセットとテストセットに分割されているが、公式の分割は研究間で常に一貫しているわけではない。多くの論文では、AdienceやUTKFaceなどのよりクリーンなデータセットで微調整した後、IMDB-WIKIテストセットでの結果を報告している。ノイズの多いラベルは挑戦的なベンチマークとなっており、IMDB-WIKIで低いMAEを達成するモデルは、他の年齢推定タスクにもよく一般化することが多い。IMDB-WIKIでの性別分類精度も報告されており、現代のモデルでは通常95%を超えている。
制限と倫理的考慮事項
このデータセットにはいくつかの制限がある。年齢ラベルはノイズが多く、一般人口とは異なるプロの写真やメイクを持つ有名人に偏っている。性別ラベルは二値であり、非二値のアイデンティティを考慮していない。さらに、データセットは個人から明示的な同意を得ずに収集されており、プライバシーに関する懸念が生じている。IMDB-WIKIを使用する研究者は、これらの問題を認識し、監視や人口統計プロファイリングなどの敏感なアプリケーションでそれに基づいてトレーニングされたモデルを展開する倫理的影響を考慮すべきである。データセットは研究目的で利用可能であるが、商業製品での使用には追加の精査が必要になる場合がある。
関連データセットと影響
IMDB-WIKIは、ノイズの多いラベルをフィルタリングするIMDB-CleanやWiki-Cleanバージョンなど、いくつかの後続データセットに影響を与えており、より正確な年齢グループを持つが画像数が少ないAdienceデータセットとしばしば比較される。このデータセットは、年齢推定精度を向上させるためのData AugmentationやCurriculum Learningに関する研究でも使用されている。その影響はコンピュータビジョンを超えて広がり、顔分析における公平性とバイアスに関するArtificial intelligence研究でも使用されている。このデータセットは、既知の制限にもかかわらず、人口統計的属性認識に取り組む研究者にとって重要なリソースであり続けている。
関連項目
- 機械学習
- コンピュータビジョン
- facial-recognition
参考文献
- 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.