arrow
返回

Variable multi-scale attention fusion network and adaptive correcting gradient optimization for multi-task learning

delete2025-06-01
delete0
PRE
AI
N
Naihua Ji
Y
Yongqiang Sun
F
Fanyun Meng *
L
Li-Ping Pang
Y
Yuzhu Tian
DOI:10.1016/j.patcog.2025.111423delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
网络架构和优化是多任务学习中的两个不可或缺的部分,它们共同提升了多任务学习的性能。以往的工作很少同时关注这两个方面。在本文中,我们从网络架构和优化两个方面分析了多任务学习。在网络架构方面,我们提出了一种可变多尺度注意力融合网络,该网络克服了在处理小尺度特征图进行上采样时的特征损失问题,并解决了由于显著的空间尺寸差异导致的传统多尺度模型学习不足的问题。在优化方面,提出了一种自适应校正梯度方案,用以处理训练过程中多任务之间的冲突和主导缺陷,并有效缓解了多任务训练的不平衡。各种消融实验和对比实验表明,同时考虑网络框架和优化能够显著提升多任务学习的性能。我们的代码可从https://github.com/SyqxhSt/Net-Opt-MTL获取。
Keyword:
Multi-task learning
Network architecture
Optimization

期刊

Pattern Recognition 封面图
Pattern Recognition
IF:
7.6
论文数:
1.3W
被引数:
4.5W

机构

Q
Qingdao Univ Technol
学者数:
917
论文数: 388
被引数: 133
D
Dalian Univ Technol
学者数:
4.8K
论文数: 2.1K
被引数: 696
引用论文

引用论文

CFSSynergy: Combining Feature-Based and Similarity-Based Methods for Drug Synergy PredictionCFSSynergy: 结合基于特征和基于相似性的药物协同预测方法
err2024-03-22
err24
PREAI
errRafiei, Fatemeh; Zeraati, Hojjat; Abbasi, Karim; Razzaghi, Parvin; Ghasemi, Jahan B.; Parsaeian, Mahboubeh; Masoudi-Nejad, Ali
err分享
err收藏
Multi-task learning based on geometric invariance discriminative features基于几何不变性判别特征的多任务学习
err2022-05-31
err6
PREAI
errLiu, Yitong; Huang, Lei; Li, Jie; Zhang, Wenfeng; Sheng, Yanxiu; Wei, Zhiqiang
err分享
err收藏
学者 查看更多内容