要約
本論文では、深層畳み込みニューラルネットワーク（CNN）を使用して画像の属性をより正確に予測するための共同多タスク学習アルゴリズムを提案します。私たちは、各CNNが1つの二値属性を予測する多タスクCNNモデルを通じて、二値意味属性の学習を考慮しています。この多タスク学習により、異なる属性カテゴリ間で視覚的な知識を共有することが可能になります。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多タスク学習を適用して属性を予測します。私たちの多タスクフレームワークにおいては、全体モデルのパラメータを潜在タスク行列と組合せ行列に分解する方法を提案しています。さらに、アンダーサンプリングされた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向上が期待できます。属性の自然なグループ化を行い、同じグループ内の属性はより多くの知識を共有することを目指します。一方で、異なるグループ内の属性は一般的に対立し、結果として少ない知識しか共有しません。本手法の有効性について、2つの代表的な属性データセット上で示しています。