面向带面部表情人脸识别的动态多任务学习

得益于深度多任务网络中多任务的联合学习，许多应用相比单任务学习展现出有前景的性能。然而，多任务学习框架的性能高度依赖于各任务的相对权重。如何分配每个任务的权重是多任务学习中的关键问题。不同于耗时费力的手动调权，本文提出一种可根据任务训练难度动态自适应调整任务权重的方法。具体而言，所提方法不引入超参数，其简单结构使其他多任务深度学习网络可轻松实现或复现该方法。我们基于深度多任务学习卷积神经网络（CNNs）展示了该方法在单张输入图像上同时进行带面部表情的人脸识别与面部表情识别的应用。理论分析与实验结果均证明了所提动态多任务学习方法的有效性。这种带动态权重的多任务学习相比最先进的单任务学习方法也提升了不同任务的性能。