面向识别任务的模型偏见纠正数据集

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、推进偏见检测纠正技术发展、实现人工智能公平性伦理性进步具有重要研究价值。

搜集汇总

背景与挑战

背景概述

本数据集面向识别任务中的模型偏见纠正问题，基于ResNet-18模型在CelebA数据集上进行人脸属性分类训练，并针对原始模型暴露的偏见，利用自主研发的三种去偏方法重新训练，生成多种去偏见模型数据（.pth格式）。该数据集为研究人员提供了分析、对比不同去偏策略的基准，有助于提升模型公平性与准确性，推动人工智能公平性进展。