多工學習

最近一段時間multitask網路比較流行，比如做人臉檢測的時候，乙個網路完成（人臉和非人臉）二分類任務的同時也要進行boudingbox回歸或者人臉關鍵點回歸。

以人臉檢測mtcnn為例，乙個網路包含三個任務。訓練的時候，乙個batch中的，一部分用於二分類、一部分用於boundingbox 回歸，一部分用於關鍵點回歸。這種較複雜的樣本組合完全可以通過slice和concat層來快速實現。

concat層實現輸入資料的拼接。

該層有兩個相同作用的引數：

message concatparameter

m×ch

anne

ls×h

eigh

t×wi

dth(function () 

}除了拼接維度外的其它維度都必須相等。比如上面，輸入影象均為 (t

his)

.tex

t().

spli

t(′\n

′).l

engt

h;va

r

既然有合併，那麼相應的也有拆分。slice層共有三個引數：

message sliceparameter

layer

}

250×3×

24×24下面直接給一張網路結構圖，大家就應該知道怎麼實現多資料multitask了。

多工學習

以人臉特徵點定位中的tcdcn模型 1 為例子，該模型思想 通過一些多樣的精細的任務，來優化提公升特徵點定位精度。就是在人臉特徵點檢測的時候，同時進行多個任務的學習，這些子任務包括 是否帶眼鏡，是否微笑和臉部的朝向等分類任務。使用這些輔助的屬性不僅可以起到一次性獲取感興趣的屬性，更重要的是子任務更好...

多工學習

什麼叫 多工 呢？簡單地說，就是作業系統可以同時執行多個任務。打個比方，你一邊在用瀏覽器上網，一邊在聽 一邊在用word趕作業，這就是多工，至少同時有3個任務正在執行。還有很多任務悄悄地在後台同時執行著，只是桌面上沒有顯示而已。現在，多核cpu已經非常普及了，但是，即使過去的單核cpu，也可以執行多...

2 8 多工學習

在遷移學習中，你的步驟是序列的，你從任務a裡學習只是然後遷移到任務b。在多工學習中，你是同時開始學習的，試圖讓單個神經網路同時做幾件事情，然後希望這裡每個任務都能幫到其他所有任務。假設你在研發無人駕駛車輛，那麼你的無人駕駛車可能需要同時檢測不同的物體，比如檢測行人 車輛 停車標誌，還有交通燈各種其他...