多任务学习在计算机视觉中的应用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。
