极市直播回放丨第89期-陈使明：零样本学习的关键问题研究

↑ 点击 蓝字  关注极市平台

针对当前机器学习模型过于依赖于大规模有标注或无标注数据这一问题，零样本学习（Zero-shot Learning）这一新的学习范式近年来受到广泛关注。 零样本学习旨在通过运用已获取的知识去认知未知类，从而使得机器学习系统具备不断学习的能力。 当前零样本学习依托于额外的辅助信息（如，属性描述）得以实现，其关键在于如何准确地表示视觉和属性语义之间的交互，例如，视觉→语义（基于语义嵌入的模型 ）、语义→视觉（生成模型）、视觉→子空间&语义→子空间（公共子空间学习模型）。通过对这些技术的深度研究分析，他们发现当前零样本学习面临跨数据集偏差、视觉-属性的关键公共语义表示、视觉-语义的异构特征对准等问题。

在这次分享中，我们邀请到了来自 华中科技大学的博士生陈使明 ，为我们介绍他们在该问题上的探索 ：

1. Shiming Chen et al. TransZero: Attribute-guided Transformer for Zero-shot Learning. Submitted AAAI’22.

2. Shiming Chen et al. FREE: Feature Refinement for Generalized Zero-shot Learning. In ICCV, 2021.

3. Shiming Chen et al. SMAN: Semantically Mutual Attention Network for Zero-Shot Learning. Submitted to CVPR’22.

4. Shiming Chen et al. HSVA: Hierarchical Semantic-Visual Adaptation for Zero-Shot Learning. In NeurIPS, 2021.

➤详情传送门

极市直播｜陈使明：零样本学习的关键问题研究

➤论文

1.TransZero: Attribute-guided Transformer for Zero-Shot Learning

论文地址：https://arxiv.org/abs/2112.01683

代码地址：

https://github.com/shiming-chen/TransZero

2.FREE: Feature Refinement for Generalized Zero-shot Learning

论文地址：https://arxiv.org/abs/2107.13807

代码地址：

https://github.com/shiming-chen/FREE

3.HSVA: Hierarchical Semantic-Visual Adaptation for Zero-Shot Learning

论文地址：https://arxiv.org/abs/2109.15163

代码地址：

https://github.com/shiming-chen/HSVA

➤ 分享大纲

1、背景

2、研究内容

3、研究进展

➤回放视频在这里☟

https://www.bilibili.com/video/BV14b4y1W7dp/

➤部分PPT截图

➤往期视频在线观看

B站： http://space.bilibili.com/85300886#!/

腾讯视频： http://v.qq.com/vplus/8be9a676d97c74ede37163dd964d600c

往期线上分享集锦：http://bbs.cvmart.net/topics/149/cvshare（或直接阅读原文）

如果觉得有用，就请分享到朋友圈吧！

‍

‍△点击卡片关注极市平台，获取 最新CV干货

公众号后台回复“89”获取

陈使明：零样本学习的关键问题研究PPT下载

推荐阅读

• 极市直播回放丨第86期-CVPR 2021-汪瑜：针对域自适应目标检测的域特异性特征抑制
  

• 极市直播回放丨第85期-ICCV21 Oral-包文韬：开放世界动作识别新基准，DEAR：首个大规模视频动作识别的证据学习新模型
  

• 极市直播回放丨第84期-刘虹雨：结合深度神经网络进行有效的图像修复和编辑
  

• 极市直播回放丨第83期-朱思语：基于深度学习的视觉稠密建图和定位
  

• 极市直播回放丨第82期-严彬：CVPR 2021-LightTrack：基于网络结构搜索的超轻量级跟踪模型设计
  

• 极市直播回放｜第81期-CSIG-广东省CVPR2021论文在线学术报告会圆满落幕
  

• 极市直播回放丨第80期-张新宇：CVPR 2021-Alpha Refine：通过精确的边界框估计提高跟踪性能
  

• 极市直播回放丨第79期-陈鑫：CVPR 2021-TransT: 基于Transformer的高性能单目标跟踪算法
  

• 极市直播回放丨第78期-田春伟：基于卷积神经网络的图像复原研究
  

• 极市直播回放丨第77期-邓欣：TIP 2021-多曝光图像融合及超分辨的联合实现方法
  

• 极市直播回放丨第76期-许鸿斌：AAAI'21杰出论文，一个解决三维重建对数据依赖的新框架（已开源）
  

• 极市直播回放丨第75期-方浩：车道线检测新SOTA，RESA：循环特征位移聚合器（AAAI2021）
  

• 极市直播回放丨第74期-田值：BoxInst，实例分割创新式突破！仅用Box标注，实现COCO 33.2AP！
  

# CV技术社群邀请函 #

△长按添加极市小助手

添加极市小助手微信（ID : cvmart2）

备注：姓名-学校/公司-研究方向-城市（如：小极-北大-目标检测-深圳）

即可申请加入极市目标检测/图像分割/工业检测/人脸/医学影像/3D/SLAM/自动驾驶/超分辨率/姿态估计/ReID/GAN/图像增强/OCR/视频理解等技术交流群

每月大咖直播分享、真实项目需求对接、求职内推、算法竞赛、干货资讯汇总、与 10000+来自港科大、北大、清华、中科院、CMU、腾讯、百度等名校名企视觉开发者互动交流~

觉得有用麻烦给个在看啦~