本数据集聚焦于面向识别任务的模型偏见纠正，基于 ResNet-18 模型对 CelebA 数据集开展人脸属性分类训练，生成初步模型数据。鉴于原始模型在不同群体分类结果上暴露的偏见问题，项目团队自主研发三种去偏方法，经实验验证后，利用这些方法重新训练，产出多种去偏见模型数据，以.pth 文件格式保存。该数据集为研究人员提供分析纠正模型偏见的基准，便于对比不同去偏策略，对提升模型公平性与准确性、推进偏

国家基础学科公共科学数据中心150

真实世界多任务学习公开数据

人脸属性识别

多任务学习

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。

国家基础学科公共科学数据中心100

CelebA resized

资源简介：

相关数据集