コンピュータビジョンにおける分類・検出タスクは，産業検査や顔認識などに応用されている。しかし，不適切な視角や遮蔽の影響により，小スケールかつ特徴が乏しい微小目標の分類・検出は困難である。本研究では，この課題に対処するため，分類・検出タスクをセグメンテーションタスクと統合し，さらに，畳み込みニューラルネットワークに半教師あり学習を組み合わせる手法を提案する。提案手法では，複数の関連タスクを同時に学習することで，各タスク間の情報を共有する。さらに，少量のラベル付きデータを活用することで，特徴学習とモデル性能を向上させる。実験では，微小目標の分類精度は改善したが，検出精度の改善は限定的であった。