公开(公告)号：CN114819091B

公开(公告)日：2024-04-16

申请号：CN202210492786.8

申请日：2022-05-07

Applicant: 杭州电子科技大学

Inventor： 张传刚 ,  杨冰 ,  那巍

IPC: G06V10/82 ,  G06N3/045 ,  G06N3/047 ,  G06N3/084 ,  G06V10/764 ,  G06V10/766 ,  G06V10/26 ,  G06F9/48 ,  G06T7/66

Abstract: 本发明涉及基于自适应任务权重的多任务网络模型训练方法及系统。本发明通过一个特定于任务的策略学习共享模式，该策略自主选择在多任务网络中执行哪些层，并且能够同时搜索与任务较匹配的权重，以更好地训练模型。本发明基于ResNet重构了多任务网络模型，训练过程中根据数据集中的图像有效地优化了学习策略，提高了任务指标的同时克服了多任务模型的单一性。本发明基于概率论极大似然估计推导了适用于回归和分类任务的多任务损失函数，其能够在训练过程中自动调节任务权重以更好地提升模型性能，克服了任务权重不灵活的问题。

公开(公告)号：CN114819091A

公开(公告)日：2022-07-29

申请号：CN202210492786.8

申请日：2022-05-07

Applicant: 杭州电子科技大学

Inventor： 张传刚 ,  杨冰 ,  那巍

IPC: G06N3/04 ,  G06N3/08 ,  G06V10/764 ,  G06V10/766 ,  G06V10/26 ,  G06V10/82 ,  G06K9/62 ,  G06F9/48 ,  G06T7/66

Abstract: 本发明涉及基于自适应任务权重的多任务网络模型训练方法及系统。本发明通过一个特定于任务的策略学习共享模式，该策略自主选择在多任务网络中执行哪些层，并且能够同时搜索与任务较匹配的权重，以更好地训练模型。本发明基于ResNet重构了多任务网络模型，训练过程中根据数据集中的图像有效地优化了学习策略，提高了任务指标的同时克服了多任务模型的单一性。本发明基于概率论极大似然估计推导了适用于回归和分类任务的多任务损失函数，其能够在训练过程中自动调节任务权重以更好地提升模型性能，克服了任务权重不灵活的问题。