一种基于多任务的改进的人脸特征识别模型
董盆景
罗杰元
唐鑫
成都信息工程大学通信工程学院 成都 610000
摘要：深度学习是机器学习的重要领域之一,基于卷积神经网络(CNNs)的多任务学习MTL(Multi-Task Learning)在计算机视觉领域取得了巨大的成功.多任务学习的关键在于模型结构不变的情况下,学习多个任务的共享表示,使多任务学习的模型更具有泛化能力.该算法设计一种高效的自适应特征交互层,使用MobileNetV3+特征交互模型,允许不同任务特征自适应决定任务间特征的共享,再通过改进的多任务损失函数,对不同任务的损失进行加权和,平衡模型训练效率的差异,使得多任务训练达到更好的效果.实验结果表明,多任务训练结果比单任务训练精度高,达到了实验要求.
关键词：多任务学习CNNs特征交互MobileNetV3网络
分类号：TP391(计算技术、计算机技术)
论文发表日期：2025-12-20
在线出版日期：2026-03-09（本平台首次上网日期，不代表文献的发表时间）
页数：6( 3524-3529 )
英文信息