本文提出了一种基于先验知识和可转移性的框架来选择最好的源任务，以提高给定目标任务的转移学习性能。实验表明，从相同模态下的不同任务转移通常比从不同模态下的同一任务转移更成功。从具有与目标任务更强的 RoI 形状相似性的源任务转移可以显着提高最终的转移性能。

本文通过2000多个转移学习实验，分析了不同图像领域和任务类型对转移学习性能的影响，得出以下结论：大多数任务源任务优于ILSVRC'12预训练，图像领域是实现积极转移的最重要因素，源数据集应包括目标数据集的图像领域，跨任务类型的转移可能有益，但成功与源任务和目标任务类型密切相关。