StanfordVL/taskonomy

何を解決するか

Taskonomyは、コンピュータビジョンにおける転移学習の課題に取り組み、新しい未観測のタスクに対してどの事前学習済みモデル（タスク）が最も有用であるかを判断する方法を提供します。異なるビジョンタスク間の関係性と類似性を分析することで、タスク転移学習を分離・解明することを目指しています。

動作方法

本プロジェクトは、事前学習済みモデルの「タスクバンク」と対応するデータセットを提供します。タスクの類似性を分析することで、あるビジョンタスクから得た知識が別のタスクの学習にどのように役立つかを理解でき、これらの関係性の原始データおよび正規化されたデータを測定できます。

対象ユーザー

転移学習を活用し、異なる視覚認識タスク間の関係を理解したいコンピュータビジョンの研究者および開発者。

主な特徴

• PyTorchおよびTensorFlowの両方で利用可能な事前学習済みモデル。
• タスク類似性分析のための包括的なデータセットと参照コードを含む。
• CVPR 2018 Best Paper Award受賞論文に基づく。