économie des tâches

Taskonomy : démêler l'apprentissage par transfert de tâches

Ce référentiel contient :

• modèles pré-entraînés (banque de tâches) [PyTorch + TensorFlow].

• ensemble de données

• code de référence

• analyses et résultats d'affinité de tâche

pour le document suivant :

Taskonomy : Démêler l'apprentissage par transfert de tâches (CVPR 2018, Prix du meilleur article)

Amir Zamir, Alexander Sax*, William Shen*, Leonidas Guibas, Jitendra Malik, Silvio Savarese.

BANQUE DE TÂCHES	JEU DE DONNÉES
Le dossier taskbank contient des informations sur nos modèles pré-entraînés et des scripts pour les télécharger. Il existe des exemples de sorties et des liens vers des démos en direct.	Le dossier data contient des informations et des statistiques sur l'ensemble de données, des exemples de données et des instructions sur la façon de télécharger l'ensemble de données complet.

Analyses et résultats d’affinité de tâche	Site web
Ce dossier contient les données brutes et normalisées utilisées pour mesurer les affinités des tâches.	La page Web du projet avec des liens vers des ressources et des démos.

Citation

Si vous trouvez le code, les modèles ou les données utiles, veuillez citer cet article :

@inproceedings{zamir2018taskonomy,
  title={Taskonomy: Disentangling Task Transfer Learning},
  author={Zamir, Amir R and Sax, Alexander and and Shen, William B and Guibas, Leonidas and Malik, Jitendra and Savarese, Silvio},
  booktitle={2018 IEEE Conference on Computer Vision and Pattern Recognition (CVPR)},
  year={2018},
  organization={IEEE}
}