真实世界多任务学习公开数据

这是一个多任务数据集，这是一个大规模的人脸属性数据集，包含超过200K的名人图像，每张图像都有40的属性标注。当用于多任务学习时，40属性被划分为8组。每组对应一个分类任务。因此，原始的CelebA被转换为具有8个任务的多标签数据，分别包括：整体、眼睛、头发、嘴巴、鼻子、胡须、脸颊、配饰；形成本报告所需的多任务数据集，验证多智能体任务超图的牵制的稀疏共享多任务学习方法的性能。

搜集汇总

背景与挑战

背景概述

该数据集源自CelebA，包含超过20万张名人图像，每张图像标注了40个属性，这些属性被划分为整体、眼睛等8组分类任务，构成多任务学习场景。数据由山西大学发布，用于验证基于超图的多智能体任务稀疏共享多学习方法的性能。