{rfName}
In

Indexado en

Licencia y uso

Citaciones

63

Altmetrics

Grant support

This work has been supported by projects BIBECA (RTI2018-101248-B-I00 MINECO/FEDER), TRESPASS (MSCA-ITN-2019-860813), PRIMA (MSCA-ITN-2019860315), and Accenture. I. Serna is supported by a research fellowship from the Spanish CAM.

Impacto en los Objetivos de Desarrollo Sostenible (ODS)

Análisis de autorías institucional

Serna, IAutor (correspondencia)Peria, AAutor o CoautorMorales, AAutor o CoautorFierrez, JAutor o Coautor

Compartir

Publicaciones
>
Conferencia Publicada

InsideBias: Measuring Bias in Deep Networks and Application to Face Gender Biometrics

Publicado en:Proceedings - International Conference on Pattern Recognition. 3720-3727 - 2021-01-01 (), DOI: 10.1109/ICPR48806.2021.9412443

Autores: Serna, Ignacio; Peria, Alejandro; Morales, Aytharni; Fierrez, Julian

Afiliaciones

Univ Autonoma Madrid, Sch Engn, Madrid, Spain - Autor o Coautor

Resumen

This work explores the biases in learning processes based on deep neural network architectures. We analyze how bias affects deep learning processes through a toy example using the MNIST database and a case study in gender detection from face images. We employ two gender detection models based on popular deep neural networks. We present a comprehensive analysis of bias effects when using an unbalanced training dataset on the features learned by the models. We show how bias impacts in the activations of gender detection models based on face images. We finally propose Inside Bias, a novel method to detect biased models. InsideBias is based on how the models represent the information instead of how they perform, which is the normal practice in other existing methods for bias detection. Our strategy with InsideBias allows to detect biased models with very few samples (only 15 images in our case study). Our experiments include 72K face images from 24K identities and 3 ethnic groups.

Palabras clave

Gender equality

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista Proceedings - International Conference on Pattern Recognition debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia Scopus (SJR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2021, se encontraba en la posición , consiguiendo con ello situarse como revista Q2 (Segundo Cuartil), en la categoría Computer Vision and Pattern Recognition.

Desde una perspectiva relativa, y atendiendo al indicador del impacto normalizado calculado a partir de las Citas Mundiales de Scopus Elsevier, arroja un valor para la media Ponderada del Impacto Normalizado de la agencia Scopus: 2.95, lo que indica que, de manera comparada con trabajos en la misma disciplina y en el mismo año de publicación, lo ubica como trabajo citado por encima de la media. (fuente consultada: ESI 14 Nov 2024)

Esta información viene reforzada por otros indicadores del mismo tipo, que aunque dinámicos en el tiempo y dependientes del conjunto de citaciones medias mundiales en el momento de su cálculo, coinciden en posicionar en algún momento al trabajo, entre el 50% más citados dentro de su temática:

  • Field Citation Ratio (FCR) de la fuente Dimensions: 19.32 (fuente consultada: Dimensions Jun 2025)

De manera concreta y atendiendo a las diferentes agencias de indexación, el trabajo ha acumulado, hasta la fecha 2025-06-20, el siguiente número de citas:

  • WoS: 25
  • Scopus: 38
  • Open Alex: 49
  • OpenCitations: 33

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2025-06-20:

  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 43 (PlumX).
Siguiendo con el impacto social del trabajo, es importante enfatizar el hecho de que, por su contenido, puede ser asignado a la línea de interés del ODS 5 - Gender Equality, con una probabilidad del 50% según el algoritmo mBERT desarrollado por Aurora University.

Análisis de liderazgo de los autores institucionales

Existe un liderazgo significativo ya que algunos de los autores pertenecientes a la institución aparecen como primer o último firmante, se puede apreciar en el detalle: Primer Autor (DE LA SERNA CABELLO, JOSE IGNACIO) y Último Autor (FIERREZ AGUILAR, JULIAN).

el autor responsable de establecer las labores de correspondencia ha sido DE LA SERNA CABELLO, JOSE IGNACIO.