典型文献
一种基于迁移学习的视觉多任务模型探析
文献摘要：
近年来迁移学习的范式在计算机视觉领域取得了很大进展.例如基于图像网络数据训练的分类模型可以通过迁移学习的方式应用在例如语义分割、目标检测等任务上,显著提升这些任务的表现.在自动驾驶等天然多任务的应用场景中,传统的迁移学习方案需要为每个下游任务单独微调出一个独一无二的模型副本,因此计算效率和存储效率较差.基于最新的视觉预训练模型(Vision Transformer,ViT)我们提出了一种新的多任务模型方案,具有任务之间共享大部分计算、任务之间低耦合的特点.我们的方案可以节约75％的计算和存储资源,达到传统方案99％的准确率.
文献关键词：
迁移学习;多任务学习;计算机视觉
中图分类号：
作者姓名：
刘夏鸣
作者机构：
华中光电技术研究所-武汉光电国家研究中心,湖北 武汉 430223
文献出处：
引用格式：
[1]刘夏鸣-.一种基于迁移学习的视觉多任务模型探析)[J].科学技术创新,2022(23):103-106
A类：
B类：
迁移学习,多任务模型,计算机视觉,网络数据,数据训练,分类模型,语义分割,目标检测,自动驾驶,学习方案,任务单,微调,调出,独一无二,副本,计算效率,预训练模型,Vision,Transformer,ViT,低耦合,存储资源,多任务学习
AB值：
0.430497
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
