摘要

人类通过视觉、听觉、触觉以及过往经验来“理解”世界。人类的经验可通过常规学习获得（我们称之为显性知识），也可在无意识中习得（我们称之为隐性知识）。这些通过常规学习或无意识途径获得的经验会被编码并储存在大脑中。借助这一庞大的经验数据库，人类能够高效处理未曾见过的数据。本文提出一种统一网络架构，旨在同时编码显性知识与隐性知识，如同人脑既能通过有意识学习，也能通过无意识学习获取知识。该统一网络能够生成一种统一的表征，以支持多种任务的并行处理。我们可在卷积神经网络中实现核空间对齐、预测优化以及多任务学习。实验结果表明，将隐性知识引入神经网络后，所有任务的性能均得到提升。我们进一步分析了该统一网络所学习到的隐性表征，结果表明其在捕捉不同任务的物理意义方面展现出卓越能力。本工作的源代码已开源，地址为：https://github.com/WongKinYiu/yolor。