一种无需多任务联合标注的多任务深度学习训练方法
公开
摘要
本发明涉及一种无需多任务联合标注的多任务深度学习训练方法，涉及计算机视觉领域。首先，利用与目标任务对应的单任务标注数据集训练目标任务分支网络，利用与若干辅助任务分别对应的各单任务标注数据集训练各辅助分支网络；之后通过计算各辅助任务特征与目标任务特征的Gram矩阵，形成对各辅助任务特征的通道注意力，进而调整相应的辅助任务特征的各分量权值，再将调整后的多组辅助任务特征与目标任务特征进行级联融合，构建实现目标任务的整合网络；最后利用与目标任务对应的单任务标注数据集训练整合网络实现目标任务。本发明采用基于Gram通道注意力机制的特征融合，实现了针对目标任务而无需多任务联合标注训练集的多任务训练。
基本信息
专利标题 ：
一种无需多任务联合标注的多任务深度学习训练方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114298324A
申请号 ：
CN202111635176.0
公开（公告）日 ：
2022-04-08
申请日 ：
2021-12-29
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
王睿邹佳伶辛佳雯
申请人 ：
北京航空航天大学
申请人地址 ：
北京市海淀区学院路37号
代理机构 ：
代理人 ：
优先权 ：
CN202111635176.0
主分类号 ：
G06N20/00
IPC分类号 ：
G06N20/00 G06K9/62
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06N
基于特定计算模型的计算机系统
G06N20/00
机器学习
法律状态
2022-04-08 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
