Buchumschlag

Are Bias Mitigation Techniques for Deep Learning Effective?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shrestha, Robik, Kafle, Kushal, Kanan, Christopher
Format:	Preprint
Veröffentlicht:	2021
Schlagworte:	Machine Learning Artificial Intelligence Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Visual Grounding Methods for VQA are Working for the Wrong Reasons!
von: Shrestha, Robik, et al.
Veröffentlicht: (2020)

OccamNets: Mitigating Dataset Bias by Favoring Simpler Hypotheses
von: Shrestha, Robik, et al.
Veröffentlicht: (2022)

Revisiting Multi-Modal LLM Evaluation
von: Lu, Jian, et al.
Veröffentlicht: (2024)

Improving Multimodal Large Language Models Using Continual Learning
von: Srivastava, Shikhar, et al.
Veröffentlicht: (2024)

DISCO: Mitigating Bias in Deep Learning with Conditional Distance Correlation
von: Kavak, Emre, et al.
Veröffentlicht: (2025)

Evaluating Fairness and Mitigating Bias in Machine Learning: A Novel Technique using Tensor Data and Bayesian Regression
von: Paxton, Kuniko, et al.
Veröffentlicht: (2025)

BloomVQA: Assessing Hierarchical Multi-modal Comprehension
von: Gong, Yunye, et al.
Veröffentlicht: (2023)

They're All Doctors: Synthesizing Diverse Counterfactuals to Mitigate Associative Bias
von: Magid, Salma Abdel, et al.
Veröffentlicht: (2024)

Mitigating Group Bias in Federated Learning for Heterogeneous Devices
von: Selialia, Khotso, et al.
Veröffentlicht: (2023)

Mitigating Bias in Dataset Distillation
von: Cui, Justin, et al.
Veröffentlicht: (2024)

Explanatory Interactive Machine Learning for Bias Mitigation in Visual Gender Classification
von: Satriani, Nathanya, et al.
Veröffentlicht: (2026)

What Variables Affect Out-of-Distribution Generalization in Pretrained Models?
von: Harun, Md Yousuf, et al.
Veröffentlicht: (2024)

Intra-Cluster Mixup: An Effective Data Augmentation Technique for Complementary-Label Learning
von: Mai, Tan-Ha, et al.
Veröffentlicht: (2025)

Mitigating Bias in Facial Recognition Systems: Centroid Fairness Loss Optimization
von: Conti, Jean-Rémy, et al.
Veröffentlicht: (2025)

Exploring the Feasibility of Deep Learning Techniques for Accurate Gender Classification from Eye Images
von: Hasan, Basna Mohammed Salih, et al.
Veröffentlicht: (2025)

Epistemic Uncertainty-Weighted Loss for Visual Bias Mitigation
von: Stone, Rebecca S, et al.
Veröffentlicht: (2022)

Mitigating Individual Skin Tone Bias in Skin Lesion Classification through Distribution-Aware Reweighting
von: Paxton, Kuniko, et al.
Veröffentlicht: (2025)

Reactive Model Correction: Mitigating Harm to Task-Relevant Features via Conditional Bias Suppression
von: Bareeva, Dilyara, et al.
Veröffentlicht: (2024)

Robustmix: Improving Robustness by Regularizing the Frequency Bias of Deep Nets
von: Ngnawe, Jonas, et al.
Veröffentlicht: (2023)

Identifying Bias in Deep Neural Networks Using Image Transforms
von: Erukude, Sai Teja, et al.
Veröffentlicht: (2024)

Effective Backdoor Mitigation in Vision-Language Models Depends on the Pre-training Objective
von: Verma, Sahil, et al.
Veröffentlicht: (2023)

Taming Score-Based Denoisers in ADMM: A Convergent Plug-and-Play Framework
von: Shrestha, Rajesh, et al.
Veröffentlicht: (2026)

Towards Identifiable Unsupervised Domain Translation: A Diversified Distribution Matching Approach
von: Shrestha, Sagar, et al.
Veröffentlicht: (2024)

Do Students Debias Like Teachers? On the Distillability of Bias Mitigation Methods
von: Cheng, Jiali, et al.
Veröffentlicht: (2025)

Deep Reinforcement Learning for Urban Air Quality Management: Multi-Objective Optimization of Pollution Mitigation Booth Placement in Metropolitan Environments
von: Rajesh, Kirtan, et al.
Veröffentlicht: (2025)

Decoupling Augmentation Bias in Prompt Learning for Vision-Language Models
von: Kim, Gahyeon, et al.
Veröffentlicht: (2025)

Overcoming the Stability Gap in Continual Learning
von: Harun, Md Yousuf, et al.
Veröffentlicht: (2023)

Mitigating Shortcut Learning with Diffusion Counterfactuals and Diverse Ensembles
von: Scimeca, Luca, et al.
Veröffentlicht: (2023)

Explaining and Mitigating the Modality Gap in Contrastive Multimodal Learning
von: Yaras, Can, et al.
Veröffentlicht: (2024)

A Study of Gender Classification Techniques Based on Iris Images: A Deep Survey and Analysis
von: Hasan, Basna Mohammed Salih, et al.
Veröffentlicht: (2025)

Classifier-to-Bias: Toward Unsupervised Automatic Bias Detection for Visual Classifiers
von: Guimard, Quentin, et al.
Veröffentlicht: (2025)

Understanding and Mitigating Human-Labelling Errors in Supervised Contrastive Learning
von: Long, Zijun, et al.
Veröffentlicht: (2024)

Skin Cancer Images Classification using Transfer Learning Techniques
von: Islam, Md Sirajul, et al.
Veröffentlicht: (2024)

Diminishing Stereotype Bias in Image Generation Model using Reinforcemenlent Learning Feedback
von: Chen, Xin, et al.
Veröffentlicht: (2024)

A Good Start Matters: Enhancing Continual Learning with Data-Driven Weight Initialization
von: Harun, Md Yousuf, et al.
Veröffentlicht: (2025)

Improving Visual Grounding by Encouraging Consistent Gradient-based Explanations
von: Yang, Ziyan, et al.
Veröffentlicht: (2022)

On the Effectiveness of Supervision in Asymmetric Non-Contrastive Learning
von: Oh, Jeongheon, et al.
Veröffentlicht: (2024)

Deep Learning in Cardiology
von: Bizopoulos, Paschalis, et al.
Veröffentlicht: (2019)

On the Geometry of Deep Learning
von: Balestriero, Randall, et al.
Veröffentlicht: (2024)

Mitigating Interference in the Knowledge Continuum through Attention-Guided Incremental Learning
von: Bhat, Prashant, et al.
Veröffentlicht: (2024)