Scidown文献预览系统！
面向密集预测任务的多任务学习:综述( Multi-Task Learning for Dense Prediction Tasks: A Survey )
S Vandenhende S Georgoulis WV Gansbeke M Proesmans LV Gool
随着深度学习的到来，许多密集预测任务，即产生像素级预测的任务，出现了显著的性能提升。典型的方法是孤立地学习这些任务，即为每个单独的任务训练一个单独的神经网络。然而，最近的多任务学习(MTL)技术已经显示出有希望的结果。性能、计算和/或内存占用，通过学习的共享表示来联合处理多个任务。在这篇综述中，我们提供了一个全面的观点，在计算机视觉中MTL的最先进的深度学习方法，明确强调密集预测任务。我们的贡献涉及以下方面。首先，我们从网络体系结构的角度考虑MTL。我们包括一个广泛的概述，并讨论了最近流行的MTL模型的优点/缺点。其次，研究了解决多任务联合学习的各种优化方法。我们总结这些作品的质的要素，探讨它们的共性和差异。最后，我们提供了一个横跨各种密集预测基准的广泛实验评估，以检查不同方法的利弊，包括基于架构和优化的策略。
SciDown文献求助系统（解决99%问题） Public Download ResearchGate
『Sci-Hub|Scidown』怎么用？来看看教程吧！

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献（暂时关闭）

安卓手机、电脑用户，您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！（注意是文献的DOI号）

苹果手机用户，您需要先在App Store里搜索并下载 Documents by Readdle 这个APP，在APP首页，左划右下角的指南针图标打开APP内置浏览器，在浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！

如出现BUG？赶快加入【Scidown互助交流群】反馈吧：729083885【点击一键加群】
『Sci-Hub|Scidown』相关参考文献
scidown 定性和混合方法为结果研究提供独特的贡献下载
scidown shootin1a介导的肌动蛋白-粘附偶联产生力触发树突棘的结构塑性下载
scidown 丹麦学校一至三年级的技术艺术学习实践下载