基于深度互学的多任务学习

肖洪湖,黄成泉,周训会,董红来,周丽华

Multi-task learning based on deep mutual learning

Honghu XIAO,Chengquan HUANG,Xunhui ZHOU,Honglai DONG,Lihua ZHOU

表 1 各方法用从头开始训练网络Net 1和Net 2在数据集Cityscapes上的结果

Tab.1 Result with network Net 1 and Net 2 trained from scratch on Cityscapes dataset for different methods

加权方案 方法 网络 语义分割 深度估计 mIoU/% pAcc/% abs rel/% DWA Independent Net 1 72.70±0.11 92.75±0.04 0.0158±0.0031 9.8475±0.0017 Net 2 73.33±0.12 92.98±0.04 0.0156±0.0012 10.9579±0.0012 MDML Net 1 **75.16±0.16 **93.65±0.05 0.0157±0.0016 9.3845±0.0017 Net 1 74.96±0.12 93.62±0.03 0.0158±0.0018 9.6220±0.013 MDML Net 2 74.93±0.33 93.64±0.08 0.0156±0.0022 9.9440±0.0013 Net 2 74.82±0.35 93.64±0.08 0.0157±0.0024 9.9031±0.0018 FAMO Independent Net 1 74.48±0.19 93.25±0.06 0.0149±0.0012 8.5942±0.0017 Net 2 74.46±0.21 93.25±0.06 0.0149±0.0014 10.8209±0.0018 MDML Net 1 75.10±0.17 93.65±0.18 0.0152±0.0013 8.6379±0.0013 Net 1 75.25±0.14 93.73±0.06 0.0150±0.0011 8.4862±0.0017 MDML Net 2 75.11±0.14 93.73±0.08 0.0148±0.0015 8.8535±0.0018 Net 2 **75.31±0.29 *93.74±0.13 0.0150±0.0013 8.5065±0.0015 OTW&MLW Independent (OKD) Net 1 72.62±0.35 92.63±0.14 0.0154±0.0011 8.7886±0.0016 Net 2 73.17±0.25 92.91±0.21 0.0152±0.0002 10.0187±0.0017 MDML Net 1 **75.14±0.24 93.67±0.04 0.0157±0.0012 8.8345±0.0012 Net 1 75.07±0.21 93.65±0.06 0.0157±0.0011 8.8424±0.0014 MDML Net 2 75.00±0.15 93.66±0.04 0.0157±0.0011 9.7004±0.0016 Net 2 75.02±0.13 **93.68±0.02 0.0155±0.0012 9.8319±0.0023