极简笔记 Cross-stitch Networks for Multi-task Learning

本文探讨了Cross-stitch Networks如何在多任务学习中自动学习最优的网络共享结构,特别是在不同任务之间的权值共享效果。通过实验对比不同任务对的性能,发现某些任务相关性高时,Cross-stitch Units能提升性能。文章强调了初始化参数和学习率的重要性,并展示了该结构在小样本分类任务中的优势。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

极简笔记 Cross-stitch Networks for Multi-task Learning

论文地址: https://arxiv.org/abs/1604.03539

本篇文章研究的问题是不同层级的网络权值共享对multi-task learning的影响,同时在此基础上提出Cross-stitch units(十字绣单元),以实现自动学习最优网络共享结构。

这里写图片描述

首先,本篇文章在AlexNet的基础上,在不同层级展开task-specific分支,测试任务各自性能。文章采用<属性分类, 检测>和<平面法向量预测, 语义分割>两组直观上有一定相关性的任务对进行多任务学习。实验结果如上图所示,<属性分类, 检测>任务对,无论specific分支在什么层级,都无法同时提高两个任务的性能,说明这组任务对本质存在矛盾,不能用于共同训练。而<平面法向量预测, 语义分割>则在中间部分出现同时提高性能的现象,说明这组任务对相关性大,同时也显示specific分支层级的选择对最终性能有较大影响。

这里写图片描述

于是接下来文章就提出了cross-stitch unit,道理很简单,就是原本有两个相同结构不同单任务的网络,然后在每个对应feature map进行逐channel线性组合,然后各自输入到接下来的网络(线性组合参数可学习)。(但是逐channel线性组合在&l

几篇CVPR关于multi-task的论文笔记整理,包括 一、 多任务课程学习Curriculum Learning of Multiple Tasks 1 --------------^CVPR2015/CVPR2016v--------------- 5 二、 词典对分类器驱动卷积神经网络进行对象检测Dictionary Pair Classifier Driven Convolutional Neural Networks for Object Detection 5 三、 用于同时检测和分割的多尺度贴片聚合(MPA)* Multi-scale Patch Aggregation (MPA) for Simultaneous Detection and Segmentation ∗ 7 四、 通过多任务网络级联实现感知语义分割Instance-aware Semantic Segmentation via Multi-task Network Cascades 10 五、 十字绣网络多任务学习Cross-stitch Networks for Multi-task Learning 15 --------------^CVPR2016/CVPR2017v--------------- 23 六、 多任务相关粒子滤波器用于鲁棒物体跟踪Multi-Task Correlation Particle Filter for Robust Object Tracking 23 七、 多任务网络中的全自适应特征共享与人物属性分类中的应用Fully-Adaptive Feature Sharing in Multi-Task Networks With Applications in Person Attribute Classification 28 八、 超越triplet loss:一个深层次的四重网络,用于人员重新识别Beyond triplet loss: a deep quadruplet network for person re-identification 33 九、 弱监督级联卷积网络Weakly Supervised Cascaded Convolutional Networks 38 十、 从单一图像深度联合雨水检测和去除Deep Joint Rain Detection and Removal from a Single Image 43 十一、 什么可以帮助行人检测?What Can Help Pedestrian Detection? (将额外的特征聚合到基于CNN的行人检测框架) 46 十二、 人员搜索的联合检测和识别特征学习Joint Detection and Identification Feature Learning for Person Search 50 十三、 UberNet:使用多种数据集和有限内存训练用于低,中,高级视觉的通用卷积神经网络UberNet: Training a Universal Convolutional Neural Network for Low-, Mid-, and High-Level Vision using Diverse Datasets and Limited Memory 62 一共13篇,希望能够帮助到大家
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值