AMiner平台（https://www.aminer.cn）由清华大学计算机系研发，拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱，提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线，吸引了全球220个国家/地区1000多万独立IP访问，数据下载量230万次，年度访问量超过1100万，成为学术搜索和社会网络挖掘研究的重要数据和实验平台。
必读论文：https://www.aminer.cn/topic
论文集地址：https://www.aminer.cn/topic/60616df592c7f9be2185cdeb
多任务学习旨在通过同时解决多个相关任务，提升学习效率和网络泛化性能。将卷积神经网络嵌入到MTL中已经在广泛的计算机视觉应用中显示出良好的前景，诸如目标识别，检测，分割等等。设计一个成功的MTL模型的关键是学习共享特征和特定任务特征表示的能力。理解任务之间的共性和差异的机制允许模型在任务之间传递信息，同时裁剪预测模型来描述单个任务的不同特征。这些特征表示的质量主要取决于MTL网络架构的设计，如网络中的哪些层是在所有任务之间共享的，哪些层是分开，专门针对于某个子任务的。
该论文集共收录20篇论文，引用最多的论文为Facial Landmark Detection by Deep Multi-task Learning，引用数为1130。
AMiner，一个具有认知智能的学术搜索引擎：https://www.aminer.cn
#AMiner# #论文#