一种用于图像分类的多任务机器学习方法及其装置

摘要

本发明公开了一种用于图像分类的多任务机器学习方法及其装置，本发明特点在于同时利用残差结构和回归矩阵协方差阵的低秩逼近，并对残差结构、回归矩阵、回归矩阵的低秩分解矩阵及回归矩阵的协方差矩阵进行概率建模，最后通过变分推断或者采样的方法对概率模型的参数进行学习，最后得到准确度较高的回归矩阵并用其进行图像分类。通过利用本发明所述的方案，一方面，残差结构中存在的多任务间相关关系信息得到了利用能提高参数学习准确度以提高分类精度，另一方面通过对回归矩阵协方差矩阵进行低秩逼近能有效的降低算法的计算复杂度。