표정을 고려한 얼굴 인식을 위한 동적 다중 작업 학습

심층 다중 과제 학습 네트워크에서 다수의 과제 간 공동 학습을 통해, 단일 과제 학습에 비해 많은 응용 분야에서 희망적인 성능을 보이고 있다. 그러나 다중 과제 학습 프레임워크의 성능은 각 과제 간 상대적인 가중치에 매우 의존적이다. 각 과제에 적절한 가중치를 부여하는 방법은 다중 과제 학습에서 핵심적인 과제이다. 수동적으로 가중치를 조정하는 방식은 피로감이 크고 시간이 오래 걸리는 점을 감안해, 본 논문에서는 과제 학습의 어려움에 따라 과제 가중치를 동적으로 조정할 수 있는 방법을 제안한다. 특히, 제안된 방법은 하이퍼파라미터를 추가하지 않으며, 구조가 간단하기 때문에 다른 심층 다중 과제 학습 네트워크에서도 쉽게 구현하거나 재현할 수 있다. 우리는 심층 다중 과제 학습 컨볼루션 신경망(Convolutional Neural Networks, CNNs)을 기반으로, 단일 입력 이미지에서 얼굴 인식과 표정 인식을 동시에 수행하는 문제에 본 방법을 적용하여 성과를 검증하였다. 이론적 분석과 실험 결과를 통해 제안된 동적 다중 과제 학습 방법의 효과성을 입증하였다. 또한, 기존의 단일 과제 학습 기법과 비교했을 때, 동적 가중치를 갖는 다중 과제 학습은 다양한 과제에서 더 뛰어난 성능을 달성함으로써, 최신 기술 수준을 초월하는 성능을 보였다.