MIAP (More Inclusive Annotations for People)

MIAP 是通过在 Open Images 数据集的子集上获取一组新注释而创建的数据集，其中包含这些图像中所有可见人物的边界框和属性，因为原始 Open Images 数据集注释并不详尽，带有边界框以及每个图像中仅一部分类的属性标签。 MIAP 数据集专注于实现 ML 公平性研究。它为 100,000 张（70k 来自训练，30k 来自验证/测试）图像提供了额外的注释，这些图像在原始注释中至少包含一个人的边界框。这些额外的注释为图像中的所有人提供了详尽的边界框。人框进一步用属性标签进行注释，以进行公平性研究。带注释的属性包括人类感知的性别表现（主要是女性，主要是男性和未知）和本地化人的感知年龄范围（年轻、中年、年长和未知）。此过程添加了近 100,000 个未在原始标签管道下注释的新框。详尽集上的注释可以研究在部分注释上训练的模型的公平性以及产生这些注释的管道。