本稿では、深層畳み込みニューラルネットワーク（CNN）を用いて画像内の属性をより正確に予測するための、連携型マルチタスク学習アルゴリズムを提案する。本研究では、マルチタスクCNNモデルを用いて二値の意味的属性を学習する。各CNNは一つの二値属性を予測する。マルチタスク学習により、異なる属性カテゴリ間で視覚的知識を同時に共有できる。各CNNは属性固有の特徴表現を生成し、その後、これらの特徴に対してマルチタスク学習を適用して属性を予測する。本研究のマルチタスクフレームワークでは、全体モデルのパラメータを潜在タスク行列と組み合わせ行列に分解する手法を提案する。さらに、サンプル数が少ない分類器は、他の分類器から共有される統計情報を活用することで、性能を向上させることができる。属性の自然なグループ化を導入し、同一グループ内の属性はより多くの知識を共有することを促進する。一方、異なるグループ間の属性は一般的に相互に競合し、結果として知識の共有は限定的になる。本手法の有効性を、2つの代表的な属性データセット上で実証した。