초록
본 논문은 딥 컨볼루션 신경망(CNN)을 사용하여 이미지 속 특성을 더 정확히 예측하기 위한 공동 다중 작업 학습 알고리즘을 제안합니다. 우리는 각 CNN이 하나의 이진 속성을 예측하도록 하는 다중 작업 CNN 모델을 통해 이진 의미론적 속성 학습을 고려합니다. 다중 작업 학습은 CNN 모델들이 서로 다른 속성 범주 간에 시각적 지식을 동시에 공유할 수 있게 합니다. 각 CNN은 속성별 특징 표현을 생성하고, 그 다음 우리는 이러한 특징들에 대해 다중 작업 학습을 적용하여 속성을 예측합니다. 우리의 다중 작업 프레임워크에서, 전체 모델의 매개변수를 잠재적인 작업 행렬과 조합 행렬로 분해하는 방법을 제안합니다. 또한, 샘플링이 부족한 분류기는 다른 분류기로부터 공유된 통계 정보를 활용하여 성능을 개선할 수 있습니다. 동일한 그룹 내의 속성들은 더 많은 지식 공유를 촉진하기 위해 자연스럽게 그룹화되며, 반면 다른 그룹에 속한 속성들은 일반적으로 서로 경쟁하게 되어 결과적으로 적은 지식을 공유하게 됩니다. 우리는 두 가지 인기 있는 속성 데이터셋에서 본 방법의 효과를 보여줍니다.