顔の表情を用いた顔認識における動的マルチタスク学習

深層マルチタスクネットワークにおける複数タスクの共同学習により、単一タスク学習と比較して、多くの応用分野で有望な性能が示されている。しかし、マルチタスク学習フレームワークの性能は、各タスクの相対的な重みに大きく依存している。各タスクの重みをどのように割り当てるかは、マルチタスク学習において極めて重要な課題である。手動で重みを調整する方法は煩雑で時間のかかる作業であるため、本稿では、タスクの学習難易度に応じてタスクの重みを動的に適応するアプローチを提案する。具体的には、本手法はハイパーパラメータを導入せず、構造が単純であるため、他のマルチタスク深層学習ネットワークにおいても容易に実装・再現が可能である。本手法を、深層マルチタスク学習用の従来型畳み込みニューラルネットワーク（CNN）を用いて、1枚の入力画像から顔認識と表情認識を行うタスクに適用した。理論的解析および実験結果の両面から、提案する動的マルチタスク学習手法の有効性が示された。また、従来の単一タスク学習手法と比較して、動的重みを用いた本マルチタスク学習アプローチは、異なるタスクにおける性能向上を実現している。