人们通过视觉、听觉、触觉以及过去的经验“理解”世界。人类经验可以通过正常学习（我们称之为显性知识）或潜意识（我们称之为隐性知识）来学习。这些通过正常学习或潜意识习得的经验将被编码并储存在大脑中。使用这些丰富的经验作为一个庞大的数据库，人类可以有效地处理数据，即使它们是事先不可见的。

在今天分享中，研究者提出了一个统一的网络，将隐性知识和显性知识编码在一起，就像人脑可以从正常学习和潜意识学习中学习知识一样。统一网络可以生成统一的表示以同时服务于各种任务。可以在卷积神经网络中执行内核空间对齐、预测优化和多任务学习。结果表明，当隐性知识被引入神经网络时，它有利于所有任务的性能。研究者进一步分析了从所提出的统一网络中学习到的隐式表示，它在捕捉不同任务的物理意义方面表现出很强的能力。

论文：https://arxiv.org/pdf/2105.04206.pdf

开源代码：https:// github.com/WongKinYiu/yolor

内容中包含的图片若涉及版权问题，请及时与我们联系删除