通过多任务学习实现大规模高效图像画廊表示
计算机视觉与模式识别
2020-07-27 v3 信息检索
机器学习
摘要
图像画廊提供了关于产品的丰富多样信息，可用于许多推荐和检索应用。我们研究通过多任务学习（MTL）方法构建通用图像画廊编码器的问题，并证明这确实是使学习到的表示对新下游任务具备泛化能力的实用途径。此外，我们分析了 MTL 训练方案相对于最优且成本高得多的方案的相对预测性能，并发现 MTL 可作为解决低资源二分类任务中稀疏性问题的有用机制的信号。
引用
@article{arxiv.2005.09027,
title = {Efficient Image Gallery Representations at Scale Through Multi-Task Learning},
author = {Benjamin Gutelman and Pavel Levin},
journal= {arXiv preprint arXiv:2005.09027},
year = {2020}
}
备注
Proceedings of the 43rd International ACM SIGIR Conference on Research and Development in Information Retrieval