王兆伟，彭钰琳，尼玛顿珠，梁泽森

（1.西藏大学信息科学技术学院，西藏 拉萨 850000；2.郑州科技学院信息工程学院，河南 郑州 450000）

0 引言

如今人脸识别已经渐渐融入了我们日常生活中的各个方面，例如移动支付、安防门禁、打卡考勤、手机解锁等。在深度学习领域的发展和数据集朝向大规模标注方向发展的促进下，人脸识别的安全性、准确性、高效性得到进一步发展。在深度学习人脸识别中，数据集扮演了重要的角色，深度神经网络需要通过成规模的数据集的训练学习才能够获得安全准确的判断（识别）能力。然而，现有的数据集普遍规模较小、也存在不可避免的偏见，例如：常用的规模较大的数据集VGG-Face、CASIA-WebFace等由于它们采用互联网收集的方式也导致了这些常用的数据集中欧美面孔占比较多。我国是一个统一的多民族国家，各民族因不同的血缘、生活地域和饮食习惯等因素，面容长相略有差距，形成了各自的面部特征[1]。例如藏族：从面容来看，他们一般为高鼻骨、大鼻孔，长期在高原生活也导致他们皮肤较为粗糙，面部多为酱红色，即为典型的高原红现象。常用的数据集往往只考虑人种而忽略了人种中的不同民族，例如VGG-Face、CASIA-WebFace等均只涉及到亚洲人种，而忽略了亚种人种中的不同民族，这可能导致如果直接使用这些数据集训练深度神经网络，不能够取得效果较好的深度网络结构，所得到的识别模型在我国使用时会出现一定偏差。因此，本文旨在通过利用LFW以及自采数据集进一步探索数据集的偏见是否会对人脸识别产生影响。……