Multi-task 第4页

《Rumor Detection By Exploiting User Credibility Information,Attention and Multi-task Learnning 》解读

由于本人的文采并不是很好，所以之前一直对写博客有点抵触感。为了表达能力，这次真的拼了。。。。我是做nlp方向的，目前是研一。最近刚确定了谣言检测这个方向，接下来解读的是我看关于谣言检测的第一篇文章，若有不理解的地方，还请见谅哈。这是ACL顶会的一篇文章，将多任务学习与注意力机制应用到社交网络中谣言检测。RumorDetectionByExploitingUserCredibilityInforma

谣言收割机·2020-08-03 03:33

《Deep multi-task learning with low level tasks supervised at lower layers》论文阅读笔记

《Deepmulti-tasklearningwithlowleveltaskssupervisedatlowerlayers》论文来源：2016ACL论文方向：multi-tasklearning摘要:本文创新点：之前的多任务学习中tasksupervision都是在网络的同一层（最外层）。本文提出的一种基于双向RNN的多任务学习架构，不同的任务可以在网络不同的层进行监控。本文实验：主要任务：句

Amy_mm·2020-08-02 15:53

[译]深度神经网络的多任务学习概览(An Overview of Multi-task Learning in Deep Neural Networks)...

译自：http://sebastianruder.com/multi-task/1.前言在机器学习中，我们通常关心优化某一特定指标，不管这个指标是一个标准值，还是企业KPI。

weixin_30900589·2020-08-02 14:48

MTCT：Multi-Task Curriculum Transfer Deep Learning of Clothing Attributes

2016.12onwacv(winterconferenceonapplicationofcomputerversion)目的是为了将卖家秀训练的网络识别出买家秀这篇文章主要用到了迁移学习transferlearning。目前（2016.12）的顶尖的衣服识别网络FashionNet,DARNandDDAN与DDAN/DARN和FashionNet的区别1.与DDAN：DDAN没有使用相同图片对（

漂漂一族·2020-08-01 11:31

论文学习15-Table Filling Multi-Task Recurrent Neural Network(联合实体关系抽取模型）

文章目录abstract1introduction2.方法2.1实体关系表(Figure-2)2.2TheTableFillingMulti-TaskRNNModel2.3Context-awareTF-MTRNNmodel2.4PiggybackingforEntity-RelationLabelDependencies2.5RankingBi-directionalRecurrentNeura

叶落叶子·2020-07-30 17:52

1、tensorflow2.0 实现MTCNN、P_net数据生成，及训练。

MTCNN的“MT”是指多任务学习（Multi-Task）,在同一个任务中同时学习“识别人脸”、“边框回归”，“人脸关键点识别”。多尺度问题一直是困扰检测准确性的一个难点。

一尺之棰·2020-07-28 20:58

论文笔记（三）：Multi-Label Balancing with Selective Learning for Attribute Prediction

AAAI2018的一篇文章，基于Multi-task的人脸属性识别，解决不平衡样本问题。

spectre7·2020-07-28 20:30

多标签学习：LIFT: Multi-Label Learning with Label-Specific Features

关于multi-label的介绍可以看我这篇博客，其中主要描述了multi-class、multi-label、multi-task的定义和区别。本人根据论文总结了LIFT

timsooo·2020-07-28 12:57

【TL学习笔记】2：多任务学习(Multi-task Learning)在图像分类中的应用

1MTL简述1.1单任务学习早期的机器学习方法都是单任务学习（STL）的，即认为不同任务之间没有关联性，所以都是单独训练的。这样因为每个模型单独训练，数据量只有自己的这一部分，训练出的模型也没有很好的泛化性。另外因为模型之间训练时候没有关联，即没有考虑到这些学习之间可能有共通的地方，最终得到的模型性能也不够好。1.2多任务学习在多任务学习（MTL）中考虑了不同任务之间的关联，所以将不同任务的训练数

LauZyHou·2020-07-15 18:33

Modeling Task Relationships in Multi-task Learning with Multi-gate Mixture-of-Experts [KDD 2018] [MM

论文链接：:http://delivery.acm.org/10.1145/3230000/3220007/p1930-ma.pdf?ip=203.12.205.218&id=3220007&acc=OA&key=4D4702B0C3E38B35.4D4702B0C3E38B35.4D4702B0C3E38B35.5945DC2EABF3343C&acm=1564023378_5b8f499307

DrWells·2020-07-13 15:50

人脸关键点：TCDCN-Facial Landmark Detection by Deep Multi-task Learning

《FacialLandmarkDetectionbyDeepMulti-taskLearning》发表于ECCV-2014，作者来自香港中文大学汤晓鸥团队的ZhanpengZhang等人。创新点：1.将MTL（多任务学习）结合CNN应用到人脸关键点检测2.为解决各任务有着不同收敛速度而导致的优化难问题，提出针对多任务学习的earlystopping。Zhang等人将MTL（Multi-TaskLe

TensorSense·2020-07-13 15:04

深度模型（十三）：Modeling Task Relationships in Multi-task Learning with Multi-gate Mixture-of-Experts

1简介近些年深度神经网络被成功地应用于了各种大规模系统中，比如推荐系统[11]。在这些推荐系统中我们经常需要同时优化多个目标。例如，在电影推荐系统中，我们不仅希望用户购买和观看系统推荐的电影，还希望用户能喜欢系统推荐的电影。我们可以建立模型，同时预测用户的购买和评分。实际上，很多大规模的推荐系统已经使用了深度神经网络（DNN）进行多任务学习[3]。一些研究报告表明通过正则化和迁移学习，多任务学习模

jony0917·2020-07-13 04:30

基于TensorFlow和MTCNN实现人脸检测

一、MTCNN原理MTCNN提出了一种Multi-task的人脸检测框架，将人脸检测和人脸特征点检测同时进行。论文使用3个CNN级联的方式。

阳光非宅男·2020-07-12 19:54

多任务：End-to-End Multi-Task Learning with Attention

论文摘要：Weproposeanovelmulti-tasklearningarchitecture,whichallowslearningoftask-specificfeature-levelattention.Ourdesign,theMulti-TaskAttentionNetwork(MTAN),consistsofasinglesharednetworkcontainingagloba

qq_21157073·2020-07-11 15:56

目标检测（人脸识别）经典算法—MTCNN（Multi-task Cascaeded Convolutional Networks）

多任务级联卷积网络该网络可以称之为目标检测应用的开山之作。但是由于其网络层次复杂，识别速度慢，目前的工程领域并不常用，其核心思想却在各个常用的目标检测算法中经常使用。一、图像金字塔当网络对一张图片进行特征提取时，我们设定的框往往不能够框住图片上的目标（对于任意一张图片我们并不知道目标在图片上所占的比例），如下图所示，由于设定窗口（蓝框）太小，无论如何移动，也框不到我们想得到的人脸。使用图像金字塔对

Fengfeng__y·2020-07-10 21:43

多任务学习-An Overview of Multi-Task Learning in Deep Neural Networks论文笔记

AnOverviewofMulti-TaskLearninginDeepNeuralNetworks论文笔记概述：多任务学习有很多形式，如联合学习（JointLearning），自主学习（LearningtoLearn），借助辅助任务学习（LearningwithAuxiliaryTasks）等。一旦发现正在优化多于一个的目标函数，就可以通过多任务学习来进行有效求解。即使优化目标只有一个，利用辅助

rxdffz·2020-07-09 01:15

Deep Floor Plan Recognition using a Multi-task Network with Room-boundary-Guided Attention代码实现

代码地址：https://github.com/zlzeng/DeepFloorplan关于python2.7转python3.5.环境，tensorflow1.15.0cuda10.0+cudnn7.6测试代码：下载与训练模型并放置：./pretrained/下存在的问题：1.AttributeError:'dict'objecthasnoattribute'iteritems'解决：将iter

AnzyAn·2020-07-09 01:31

2017 AAAI-A Multi-task Deep Network for Person Re-identification

论文地址和之前一篇笔记思路比较像，也是考虑用多任务来做Re-ID来学到相对鲁棒的特征(多个损失)，本文方法中根据不同loss的特点在不同层使用不同的loss来优化感觉很有意思，简单总结下本文的方法部分Motivationrankloss与binaryclassificationloss各有优缺点对于深度学习方法来说，re-id数据集规模太小，难以在小数据集上训练深度网络Contribution新的

_Xiaobo·2020-07-08 19:10

经典论文阅读(四)--ESMM(阿里Entire Space Multi-Task Model)

1.Motivation在诸如信息检索、推荐系统、在线广告投放系统等工业级的应用中准确预估转化率（post-clickconversionrate，CVR）是至关重要的。例如，在电商平台的推荐系统中，最大化场景商品交易总额（GMV）是平台的重要目标之一，而GMV可以拆解为流量×点击率×转化率×客单价，可见转化率是优化目标的重要因子；从用户体验的角度来说准确预估的转换率被用来平衡用户的点击偏好与购买

Rover Ramble·2020-07-08 04:50

Mancs: A Multi-task Attentional Network with Curriculum Sampling for Person Re-identification 论文笔记

一、提出问题损失函数的选择行人错位问题发现具有差异性的地方特征如何在优化排名损失函数时对训练数据进行采样二、论文贡献提出Mancs模型，模型中的基本骨干网络受到排名损失（三重损失tripletloss）和分类损失（焦点损失focalloss）的监督。本文提出了一种新的课程抽样策略来训练排名损失，该训练策略有助于由易到难的训练网络；为了处理错位问题并定位差异性局部特征，本文提出了一种新的全注意力模块

rxdffz·2020-07-06 20:07

利用caffe日志进行测试精度训练损失等的画图（caffe训练结果可视化）

/usr/bin/envshTOOLS=/home/zhuangni/code/Multi-Task/caffe-master/build/toolsGLOG_log_dir='/home/zhuangni

海边的第八只螃蟹·2020-07-05 16:36

论文阅读 Multi-Task Deep Neural Networks for Natural Language Understanding

这是今年arXiv上MicrosoftResearch的一篇文本embedding的文章，原文在Multi-taskDNN。这篇文章的思路很简单，在BERT的基础上，用multi-tasklearning对embeddinglayer进行fine-tuned，但在GLEUbenchmark上的实验结果非常好，九个NLU任务中八个的表现都有提升，benchmark提升了足足2.2%。Motivati

thormas1996·2020-07-05 14:28

Multi-Task Networks With Universe, Group, and Task Feature Learning-阅读笔记

Multi-TaskNetworksWithUniverse,Group,andTaskFeatureLearning文章将任务区分为三个层次：单个任务。任务组（taskgroup）全体任务（taskuniverse）提出一些类MTL框架，包含并行网络结构、串行网络结构，在ATIS,Snips和一个自有大数据集上表现良好。ParallelMTLArchitectureGroupfeatures、U

立刻有·2020-07-05 11:02

DeepSaliency论文翻译学习-Deep Multi-Task Deep Neural Network Model for Salient Object Detection

作者论文地址项目地址数据集模型1.abstract显著性目标检测的一个关键问题就是如何使用数据驱动的方式对显著目标的语义属性进行有效的建模。本文提出了一个基于全局输入输出的全卷积网络的多任务深度显著性模型。原则上，本文提出的模型使用数据驱动的策略对潜在的显著性鲜艳信息进行编码。同时为了发现显著性检测和语义分析之间的内在联系，提出了一个多任务的学习策略。通过对这两个相关任务的协同特征学习，共享的全卷

暮雨橙海·2020-07-05 05:36

Multi-Task Deep Neural Networks for Natural Language Understanding【MT-DNN模型】

背景机构：微软亚洲研究院NLP组与SDRG（微软雷德蒙德语音对话研究组）作者：XiaodongLiu、PengchengHe发布地方：arxiv面向任务：自然语言理解任务(NLU)的学习表示论文地址：https://arxiv.org/abs/1901.11504论文代码：https://github.com/namisan/mt-dnn更多代码版本参见：https://paperswithcod

数据娃掘·2020-07-04 19:56

人脸关键点检测之Facial landmark detection using Multi-Task Learning

2014ECCV的paper1.Introduction作者认为，人脸关键点检测不是一个孤立的问题，应该与其他问题联系起来(比如头的姿势、有无旋转、有无戴眼镜、有没有笑)。为什么要这样猜想呢？因为人脸处于不同的状态，其特征也是不同的。对于不同的图片，如果CNN能区分出它的状态，那么会更有利于检测关键点。比如侧脸和正脸的关键点的位置是不同的。有没有旋转，关键点的分布也是不同的。因此，本文提出一种多任

coder_mckee·2020-07-04 06:47

【Paper】DeepSaliency: Multi-Task Deep NeuralNetwork Model for Salient Object Detection

DeepSaliency:Multi-TaskDeepNeuralNetworkModelforSalientObjectDetection_CVPR2015，TIP2016李玺，赵李明-浙大人工智能研究所XiLi,LimingZhao,LinaWei,Ming-HsuanYang,SeniorMember,IEEE,FeiWu,YuetingZhuang,HaibinLing,andJingdo

aikikia·2020-07-04 02:38

利用caffe日志进行测试精度训练损失等的画图（caffe训练结果可视化）

/usr/bin/envshTOOLS=/home/zhuangni/code/Multi-Task/caffe-master/build/toolsGLOG_log_dir='/home/zhuangni

haoji007·2020-07-04 00:54

【论文笔记】Multi-task Learning with Sample Re-weighting for Machine Reading Comprehension（2019，NAACL）

这篇论文主要提出了一种多任务学习（Muti-TaskLearning,MTL）运用于MRC技术时，以“给辅助数据集添加权重”的方式来衡量数据可能的贡献，以此也防止非领域数据对模型的污染，其中自动添加权重的思路非常巧妙，值得学习。1.介绍作者认为相对于模型庞大的参数量，数据集还是太小了。实际上已经不算小了，但对于一些领域特定的数据集，确实还是没有足够的数据量。因此，作者把目光头像了MTL，这个概念已

mottled233·2020-07-02 12:37

多任务学习Multi-task Learning(MTL)概述

本文学习资料主要来自AnOverviewofMulti-TaskLearninginDeepNeuralNetworks背景：只专注于单个模型可能会忽略一些相关任务中可能提升目标任务的潜在信息，通过进行一定程度的共享不同任务之间的参数，可能会使原任务泛化更好。广义的讲，只要loss有多个就算MTL，一些别名（jointlearning，learningtolearn，learningwithaux

zaf赵·2020-06-30 12:14

自监督学习（十五）Multi-task Self-Supervised Visual Learning

Multi-taskSelf-SupervisedVisualLearningIntroductionMethodSelf-SupervisedTasksArchitecturesExperimentsComparingindividualselfsupervisiontasksmultitaskcombinationofselfsupervisiontasksConclusionIntroduc

高坂梅露露·2020-06-29 17:42

2018-ECCV-Mancs-A Multi-task Attentional Network with Curriculum Sampling

论文地址Motivation现有的Re-ID工作都面临以下的问题：lossfunction的选择不对准问题寻找高判别力的局部特征对于rankloss优化中的采样问题目前的大多数工作都是针对上述问题中的一两个来进行解决，能不能用一个统一的框架来解决上述问题呢？Contribution提出了Mancs框架来统一解决上述问题提出了fullyattentionalblockwithdeepsupervis

_Xiaobo·2020-06-29 01:33

【论文笔记】多任务学习（Multi-Task Learning）

1.前言多任务学习（Multi-tasklearning）是和单任务学习（single-tasklearning）相对的一种机器学习方法。在机器学习领域，标准的算法理论是一次学习一个任务，也就是系统的输出为实数的情况。复杂的学习问题先被分解成理论上独立的子问题，然后分别对每个子问题进行学习，最后通过对子问题学习结果的组合建立复杂问题的数学模型。多任务学习是一种联合学习，多个任务并行学习，结果相互影

weixin_34406086·2020-06-28 19:12

论文分享 DeepCenterline: A Multi-task Fully Convolutional Network for Centerline Extraction

DeepCenterline:aMulti-taskFullyConvolutionalNetworkforCenterlineExtraction摘要提出了一种新的中心线提取框架，该框架将可端到端训练的多任务全卷积网络（FCN）与最小路径提取器相结合。FCN同时计算中心线距离映射并检测分支端点。该方法生成的中心线为单像素宽，没有伪分支。它处理任意树结构的对象，不需要事先假定树的深度或分支模式。它

Klay Ye·2020-06-28 15:24

Multi-task learning（多任务学习）简介

1.什么是Multi-tasklearning？Multi-tasklearning（多任务学习）是和single-tasklearning（单任务学习）相对的一种机器学习方法。拿大家经常使用的schooldata做个简单的对比，schooldata是用来预测学生成绩的回归问题的数据集，总共有139个中学的15362个学生，其中每一个中学都可以看作是一个预测任务。单任务学习就是忽略任务之间可能存在

MultiMediaGroup_USTC·2020-06-27 08:51

【论文笔记】Orthogonal Deep Features Decomposition for Age-Invariant Face Recognition 多任务网络

目录文章主题研究现状方法原理方法介绍模型整体框架特征的正交分解多任务学习文章主题在跨年龄人脸识别(AIFR)任务中将提取的age-relatedfeatures特征和identity-relatedfeatures分为两个正交部分，搭建multi-task

'Themis'·2020-06-26 06:48

迁移学习（transfer learning）、多任务学习（multi-task learning）、深度学习（deep learning）概念摘抄

本文在写作过程中参考了诸多前辈的博客、论文、笔记等。由于人数太多，在此不一一列出，若有侵权，敬请告知，方便我进行删改，谢谢！！！迁移学习（TransferLearning）迁移学习出现的背景如下：在一些新兴领域很难得到我们需要的大量的训练数据，另外，传统的机器学习需要对每个领域都标定大量训练数据，这将会耗费大量的人力与物力。而迁移学习（TransferLearning）的目标是将从一个环境中学到的

qrlhl·2020-06-26 04:41

知识图谱与推荐系统之《Multi-Task Feature Learning for Knowledge Graph Enhanced Recommendation》MKR

依次训练的方法主要有：DeepKnowledge-awareNetwork(DKN)联合训练的方法主要有：RippleNetwork交替训练主要采用multi-task的思路，主要方法有：Multi-taskLearningforKGenhancedRecommendation

蠡1204·2020-06-25 17:47

Multi-Task Feature Learning for Knowledge Graph Enhanced Recommendation简析

Multi-TaskFeatureLearningforKnowledgeGraphEnhancedRecommendationIntroduction在该论文中，将推荐系统和知识图谱建模视为两个分离但是相关的任务，设计了一个多任务学习的框架，利用知识图谱建模任务来辅助推荐系统任务。这两个任务之所以相关，是因为推荐系统中的一个物品会和一个或多个知识图谱中的实体相对应，因此，它们在各自的向量空间中的

loserChen.·2020-06-25 09:09

Multi-task中的多任务loss平衡问题

Multi-tasklearningMTL中的多任务loss平衡问题背景7Nov2017-GradNorm:GradientNormalizationforAdaptiveLossBalancinginDeepMultitaskNetworks19May2017-Multi-TaskLearningUsingUncertaintytoWeighLossesforSceneGeometryandSe

Multi-task·2020-06-25 08:31

Gnocchi: 4、Gnocchi对接Ceilometer

Ceilometer)对接Gnocchi过程参考文章：http://blog.sina.com.cn/s/blog_6de3aa8a0102vgp1.htmlhttp://www.cnblogs.com/multi-task

天地一扁舟·2020-06-24 22:26

Multi-Task Learning via Co-Attentive Sharing for Pedestrian Attribute Recognition

动机：为了在两个单独的任务网络之间共享特征表示，传统的方法，如Cross-Stitch和Sluice网络学习特征或特征子空间的线性组合。然而，线性组合排除了通道之间复杂的相互依赖关系。此外，空间信息交换的考虑较少。贡献：提出了一种新的共注意共享(co-Sharing,CAS)模块，该模块提取识别通道和空间区域，从而在行人属性识别中实现两个任务网络之间更有效的特征共享。它包括三个分支:协同分支、注意

佑林杉·2020-06-24 08:21

MTCNN（Multi-task convolutional neural networks）将多任务级联卷积神经网络用于人脸检测和对齐

前言本文为论文Multi-taskconvolutionalneuralnetworks的关键内容翻译。1.摘要摘要：由于姿势、光照或遮挡等原因，在非强迫环境下的人脸识别和对齐是一项具有挑战性的问题。最近的研究显示，深度学习算法可以很好的解决上述的两个问题。在这篇文章中，我们利用检测和校准之间固有的相关性在深度级联的多任务框架下来提升它们的性能。尤其是，我们利用三层级联架构结合精心设计的卷神经网络

Lavi_qq_2910138025·2020-06-24 07:36

Multi-task learning 中的Loss设计

Multi-tasklearning中的Loss设计核心问题：在Multi-tasklearning的一个核心的问题是loss的设计：1、如何控制各子任务loss的权重？2、起始训练时各子任务loss的数量级不同会对收敛造成哪些影响？这两个问题归结起来是GradientBalancing(梯度平衡)的问题，不同任务的loss的梯度相差过大，导致梯度小的loss在训练过程中被梯度大的loss所带走。

大师鲁·2020-06-24 02:30

多任务学习方法( Multi-task learning )介绍

条件：有n个任务t=1,2,...,n,每个任务给予m个样本：（xt1,yt1）,...,(xtm,ytm)。目的:得出一个X到Y的函数ft，t=1，2，...，n。当这些任务是相关的，联合的任务学习应该比单独学习每个任务的效果好，特别当每个任务的数据相当少的时候，在这种情况下，独自学习是很不成功的。在这个过程中主要用到了传递的功能：1）通过n个任务学习得到的好的概括结果能够传递到一个新的任务上，

且歌且行·2020-06-23 18:54

多任务学习论文导读: Modeling Task Relationships in Multi-task Learning with Multi-gate Mixture-of-Experts

基于神经网络的大规模多任务学习在产业界有广泛的应用，例如推荐系统。为什么现在的推荐系统会追求多任务呢？以头条类的新闻推荐为例，如果只追求点击率，那么标题党会大行其道，所以一般还会把阅读时长也作为一个目标。再比如短视频推荐，平台方更希望给用户带来更好的体验，例如长时间播放、点赞、高评分等。因此，我们可能需要针对多个目标进行建模，追求多目标之间的平衡或者共赢。借助多任务学习，我们的目标是构建一个统一模

fanzitao·2020-06-23 07:05

《高能要事》共读笔记2019-09-30

曾经以为女性的multi-task是一个独特

伦敦陈柯林·2020-06-23 02:43

Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks(MTCNN，多任务级联卷积网络)

从网络名称看就是联合人脸检测和对齐的多任务级联卷积网络。论文地址：https://arxiv.org/ftp/arxiv/papers/1604/1604.02878.pdf摘要由于各种姿态、光照和遮挡，无约束场景下的人脸检测和对齐是一项具有挑战性的任务。近来的研究表明在这两项任务上可以达到很好的效果。在这篇论文中，我们提出一种深度级联多任务框架，这个框架利用这两个任务的内在关联提升它们的性能。我

菜鸟瞎编·2020-06-21 15:32

多任务学习（Multi-Task Learning，MTL）：SB，MMOE，SNR

文章目录多任务学习最简单直接的MTL想法（效果往往最差）SB（Shared-Bottom）MMOE（Multi-gateMixture-of-Experts）SNR（Sub-NetworkRouting）多任务学习（Multi-TaskLearning，MTL）也是研究的热点，尤其是在推荐领域。以推荐视频为例，我们可能需要提升很多label，例如提升用户的点赞率、分享率等，在单任务学习中，预测

Leon_winter·2020-06-20 22:56

2020-06-11 写在工作10年后

前几年，还在追求Multi-task,在为自己可以同时间处理很多事情而沾沾自喜。但是会发现，Multi-task只能用在那些非常简单，而且表面的事情上面，对于一些比较深入的工作，还

树吖嘛树袋熊·2020-06-11 19:00

推荐频道

Multi-task

《Rumor Detection By Exploiting User Credibility Information,Attention and Multi-task Learnning 》解读

《Deep multi-task learning with low level tasks supervised at lower layers》论文阅读笔记

[译]深度神经网络的多任务学习概览(An Overview of Multi-task Learning in Deep Neural Networks)...

MTCT：Multi-Task Curriculum Transfer Deep Learning of Clothing Attributes

论文学习15-Table Filling Multi-Task Recurrent Neural Network(联合实体关系抽取模型）

1、tensorflow2.0 实现MTCNN、P_net数据生成，及训练。

论文笔记（三）：Multi-Label Balancing with Selective Learning for Attribute Prediction

多标签学习：LIFT: Multi-Label Learning with Label-Specific Features

【TL学习笔记】2：多任务学习(Multi-task Learning)在图像分类中的应用

Modeling Task Relationships in Multi-task Learning with Multi-gate Mixture-of-Experts [KDD 2018] [MM

人脸关键点：TCDCN-Facial Landmark Detection by Deep Multi-task Learning

深度模型（十三）：Modeling Task Relationships in Multi-task Learning with Multi-gate Mixture-of-Experts

基于TensorFlow和MTCNN实现人脸检测

多任务：End-to-End Multi-Task Learning with Attention

目标检测（人脸识别）经典算法—MTCNN（Multi-task Cascaeded Convolutional Networks）

多任务学习-An Overview of Multi-Task Learning in Deep Neural Networks论文笔记

Deep Floor Plan Recognition using a Multi-task Network with Room-boundary-Guided Attention代码实现

2017 AAAI-A Multi-task Deep Network for Person Re-identification

经典论文阅读(四)--ESMM(阿里Entire Space Multi-Task Model)

Mancs: A Multi-task Attentional Network with Curriculum Sampling for Person Re-identification 论文笔记

利用caffe日志进行测试精度训练损失等的画图（caffe训练结果可视化）

论文阅读 Multi-Task Deep Neural Networks for Natural Language Understanding

Multi-Task Networks With Universe, Group, and Task Feature Learning-阅读笔记

DeepSaliency论文翻译学习-Deep Multi-Task Deep Neural Network Model for Salient Object Detection

Multi-Task Deep Neural Networks for Natural Language Understanding【MT-DNN模型】

人脸关键点检测之Facial landmark detection using Multi-Task Learning

【Paper】DeepSaliency: Multi-Task Deep NeuralNetwork Model for Salient Object Detection

利用caffe日志进行测试精度训练损失等的画图（caffe训练结果可视化）

【论文笔记】Multi-task Learning with Sample Re-weighting for Machine Reading Comprehension（2019，NAACL）

多任务学习Multi-task Learning(MTL)概述

自监督学习（十五）Multi-task Self-Supervised Visual Learning

2018-ECCV-Mancs-A Multi-task Attentional Network with Curriculum Sampling

【论文笔记】多任务学习（Multi-Task Learning）

论文分享 DeepCenterline: A Multi-task Fully Convolutional Network for Centerline Extraction

Multi-task learning（多任务学习）简介

【论文笔记】Orthogonal Deep Features Decomposition for Age-Invariant Face Recognition 多任务网络

迁移学习（transfer learning）、多任务学习（multi-task learning）、深度学习（deep learning）概念摘抄

知识图谱与推荐系统之《Multi-Task Feature Learning for Knowledge Graph Enhanced Recommendation》MKR

Multi-Task Feature Learning for Knowledge Graph Enhanced Recommendation简析

Multi-task中的多任务loss平衡问题

Gnocchi: 4、Gnocchi对接Ceilometer

Multi-Task Learning via Co-Attentive Sharing for Pedestrian Attribute Recognition

MTCNN（Multi-task convolutional neural networks）将多任务级联卷积神经网络用于人脸检测和对齐

Multi-task learning 中的Loss设计

多任务学习方法( Multi-task learning )介绍

多任务学习论文导读: Modeling Task Relationships in Multi-task Learning with Multi-gate Mixture-of-Experts

《高能要事》共读笔记2019-09-30

Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks(MTCNN，多任务级联卷积网络)

多任务学习（Multi-Task Learning，MTL）：SB，MMOE，SNR

2020-06-11 写在工作10年后