大讲堂 | ICCV Oral： 语义分割中的自注意力机制和低秩重建

分享主题

ICCV Oral：语义分割中的自注意力机制和低秩重建

分享介绍

语义分割是计算机视觉几大主任务之一，被广泛应用到自动驾驶、遥感监测等领域中。语义分割研究中的若干成果，也被诸多相关领域沿用。自注意力机制继在 NLP 领域取得主导地位之后，近两年在计算机视觉领域也开始独领风骚。本次分享中，讲介绍自注意力机制在语义分割网络中的应用，并介绍由之衍生出的一系列低秩重建相关的方法。最后会引出分享者最近被 ICCV 录取为 Oral 的工作 Expectation Maximization Attention Networks for Semantic Segmentation。

论文链接：https://arxiv.org/abs/1907.13426

代码链接：

论文解读文字版：ICCV 2019 Oral | 期望最大化注意力网络 EMANet 详解

分享嘉宾

李夏 ，北京大学计算机应用技术硕士在读，指导老师为林宙辰和刘宏。研究方向为计算机视觉，包括语义分割、全景分割和低层级视觉等。

更多信息见个人主页：https://xialipku.github.io/

分享提纲

• 语义分割任务介绍

• Non-local Nets 及相关工作

• A^2-Net 及相关工作

• EM Attention Nets

• 语义分割 

分享时间

2019 年 10 月 25 日 （周五）

晚上 20：00 （北京时间）

扫码加入小组，直播回放都不错过，还能向讲师提问，与组员交流。

直播地址

↘  扫码或点击阅读原文直达  ↙

--- 本周分享回放已上线 ---

扫码即可观看回放哦

  点击 阅读原文，直达本期大讲堂