基于深度协作的多任务学习及其在人脸关键点检测中的应用
计算机视觉与模式识别
2018-03-16 v2
摘要
卷积神经网络（CNNs）已成为许多视觉相关领域中最成功的方法。然而，它们局限于数据充足的领域。近期工作着眼于多任务学习（MTL），通过利用来自相关任务的领域特定信息来缓解数据稀缺。本文提出一种用于 MTL 设定下 CNNs 的新型软参数共享机制，称之为深度协作（Deep Collaboration）。我们提出考虑任务相关性依赖于深度这一观念，通过使用带跳跃连接的横向变换块来实现。这允许在不同深度提取特定于任务的特征，同时不牺牲与所有任务相关的特征。我们展示了以我们的深度协作连接的 CNNs 在结合相关任务的人脸关键点检测上获得了更好的精度。最后，通过展示已知相关任务的深度特定影响，我们验证了该方法有效地实现了知识共享。
引用
@article{arxiv.1711.00111,
title = {Multi-Task Learning by Deep Collaboration and Application in Facial Landmark Detection},
author = {Ludovic Trottier and Philippe Giguère and Brahim Chaib-draa},
journal= {arXiv preprint arXiv:1711.00111},
year = {2018}
}
备注
Under review at the 15th European Conference on Computer Vision (ECCV) (2018)