多任务学习的 Cross-stitch 网络
计算机视觉与模式识别
2016-04-13 v1 机器学习
摘要
卷积网络中的多任务学习在识别领域取得了显著成功。这一成功很大程度上归功于从多个监督任务中学习共享表示。然而，现有的多任务方法依赖于枚举针对当前任务的多种网络架构，无法泛化。本文提出一种原则性方法，利用多任务学习在卷积网络(ConvNets)中学习共享表示。具体而言，我们提出一种新的共享单元：“cross-stitch”（交叉缝合）单元。这些单元组合来自多个网络的激活，并可端到端训练。带有 cross-stitch 单元的网络能学习共享与任务特定表示的最优组合。我们提出的方法可泛化至多个任务，并在训练样本较少的类别上相比基线方法展现出大幅性能提升。
引用
@article{arxiv.1604.03539,
title = {Cross-stitch Networks for Multi-task Learning},
author = {Ishan Misra and Abhinav Shrivastava and Abhinav Gupta and Martial Hebert},
journal= {arXiv preprint arXiv:1604.03539},
year = {2016}
}
备注
To appear in CVPR 2016 (Spotlight)