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的輔助定位人臉特徵點，根據**結果，這樣確實對人臉特徵點檢測有一定的幫助。該模型優勢：1）優於現有的方法，特別是在處理一些遮擋和大姿態的面部影象時。2）與現有的state-of-the-art的級聯深度模型方法相比，其動態的降低了模型的複雜度。
的網路結構
損失函式就是不同任務的損失函式直接相加。而在人臉特徵點檢測的任務中，不同的任務具有不同的loss，特徵點檢測是平方和誤差，而其它分類任務是交叉熵損失，因此最後的loss就是：
目前的深度學習框架中，廣泛採用多工學習框架中，比如mask rcnn[2]同時做目標的檢測識別與例項分割；目標識別中yolo同時做目標位置的回歸與類別識別等。
的檢測識別與分割結果
[1] zhang, zhanpeng, et al. facial landmark detection by deep multi-task learning. computer vision – eccv 2014. springer international publishing, 2014:94-108.
[2] he, kaiming, et al. "mask r-cnn." ieee international conference on computer vision ieee, 2017:2980-2988.
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，...
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...