受制于数据集的规模，人脸识别算法总数存在一定偏差，用一个地方人群训练的算法未必适用于另一个地方。让数据库覆盖所有人群是很难实现的。北京邮电大学教授邓伟洪团队报告他们取得了新的进展，揭示了当前人脸识别算法中普遍存在跨国家 / 地区识别偏差问题，构建了评价偏差程度的人脸数据集 RFW（racial bias in face recognition），提出了减小识别偏差的信息最大化自适应神经网络，以改进对目标域的识别能力。研究结果在由 IEEE 主办的国际计算机视觉大会（ICCV）上发表。在 RFW 数据库的基础上，研究人员验证了微软、亚马逊、百度、旷视的商业 API 和学术界最先进的 4 个算法，发现偏差确实存在。为了探究这种偏差是否是由训练数据的分布不平衡引起的，研究人员收集了一个涵盖全球各地区人类信息的训练数据库，最终发现偏差的发生受到数据和算法两方面影响。