نموذج CNN متعدد المهام للتنبؤ بالخصائص

يقترح هذا البحث خوارزمية تعلم متعدد المهام مشتركة بهدف تحسين التنبؤ بالخصائص في الصور باستخدام شبكات العصبونات المتكررة العميقة (CNN). نحن نعتبر تعلم الخصائص الدلالية الثنائية من خلال نموذج CNN متعدد المهام، حيث سيتنبأ كل CNN بخاصية ثنائية واحدة. يسمح التعلم متعدد المهام للنماذج CNN بمشاركة المعرفة البصرية بشكل متزامن بين فئات الخصائص المختلفة. سينتج كل CNN تمثيلات ميزات محددة للخواص، ثم نطبق التعلم متعدد المهام على هذه الميزات لتنبؤها بالخواص. في إطارنا متعدد المهام، نقترح طريقة لتفكيك معلمات النموذج الإجمالي إلى مصفوفة مهمة كامنة ومصفوفة تركيب. بالإضافة إلى ذلك، يمكن للمصنفات ذات العينة القليلة الاستفادة من الإحصاءات المشتركة من مصنفات أخرى لتحسين أدائها. يتم تطبيق التجميع الطبيعي للخصائص بحيث تشجع الخواص ضمن نفس المجموعة على مشاركة المزيد من المعرفة. بينما ستتنافس الخواص في المجموعات المختلفة عادةً مع بعضها البعض، مما يؤدي إلى تقاسم أقل للمعرفة. نظهر فعالية طريقتنا على قاعدتي بيانات شعبيتين للخصائص.