本研究介绍了一种新的方法，使用多任务学习框架中的联合 CTC-attention 模型来改善端到端语音识别的鲁棒性并实现快速收敛，从而减轻对齐问题。实验证明，与 CTC 和 attention-based encoder-decoder 基线相比，在 WSJ 和 CHiME-4 任务中表现出 5.4-14.6％的相对 CER 改进。

Sep, 2016

本文提出了单张图像中的联合注意力估计，通过引入上下文线索、模拟各属性之间的相互作用，并采用基于 Transformer 的注意力网络来编码联合注意力为低维特征。通过预测像素级联合注意力的置信度热力图，改善了热力图的准确性，并结合了图像的普通注意力估计进一步提高了估计的联合注意力。相比其他方法，我们的方法在定量实验中表现更好。

Aug, 2023

本文使用 Joint Recurrent Learning 模型来探索属性上下文和相关性，以提高在训练数据较少，图像质量差的情况下的属性识别，并展示了该模型在 PETA 和 RAP 两个最大的行人属性基准上的优越性能和鲁棒性。

Sep, 2017

本研究提出了一种联合多任务学习算法，利用深度卷积神经网络（CNN）更准确地预测图像属性。研究考虑通过多任务 CNN 模型学习二进制语义属性，每个 CNN 将预测一个二进制属性。多任务学习允许 CNN 模型在不同属性类别之间共享视觉知识，进而进一步应用于属性预测之中。

Jan, 2016

本文介绍了一种新的人物再识别方法 CA3Net，它利用深度学习技术，同时利用语义属性和视觉外观，以及身体部位之间的空间依赖关系，学习生成具有鉴别性和鲁棒性的行人表示。实验证明，该方法在 Market-1501 和 DukeMTMC-reID 数据集上取得了很好的效果。

Nov, 2018

本文提出了一种名为 CCA 的注意力模块，旨在通过最大化不同注意区域之间的信息增益来克服以前的限制，并提出了一种新的深层网络，利用不同的注意力机制学习人物图像的强鲁棒性和判别表现，得到的模型被称为 CCAN，大量实验证明 CCAN 在人物重新识别任务上优于当前状态下的最先进算法。

Jun, 2020

基于 CLIP 模型的预训练特征提取和序列生成模式，提出一种新的行人属性识别方法 SequencePAR，利用生成模型更好地建模人体属性之间的依赖和复杂性，有效通过多个数据集实验证明了该方法的有效性。

Dec, 2023

通过使用多任务深度卷积神经网络 (MCNN)，共享所有属性的最低层，共享相关属性的更高层，并在 MCNN 上构建辅助网络以利用所有属性的分数来提高每个属性的最终分类，我们可以利用属性关系来提高属性分类器的准确性。我们在两个具有挑战性的公开数据集上展示了我们方法的有效性。

Apr, 2016

本文提出一种新颖的 Attribute-Aware Attention Model（A^3M）模型，可以同时学习局部属性表示和全局类别表示，通过属性 - 类别互惠过程，从而更好地提取图像中的固有信息，以实现更好的图像识别效果。

Jan, 2019

本文介绍了一种基于 CTC/attention 混合架构的音频和视频的语音识别模型，并在 LRS2 数据库上表明这种模型识别率比仅音频模型提高了 1.3 个百分点，并且在噪声环境下表现出色， 是当前状态下最新的结果。

Sep, 2018