| 极市线上分享 第73期 |
一直以来,为让大家更好地了解学界业界优秀的论文和工作,极市已邀请了超过90位技术大咖嘉宾,并完成了72期极市线上直播分享。往期分享请前往bbs.cvmart.net/topics/149或直接阅读原文,也欢迎各位小伙伴自荐或推荐更多多优秀的技术嘉宾到极市进行技术分享,与大家一起交流学习~~
长尾分布是指常见的不均衡数据分布,该问题大大降低了机器学习模型的鲁棒性,并且需要利用高昂的成本去采集罕见数据才能解决。传统的解决方案不仅依赖提前预知未来数据的分布,而且也容易对罕见数据过拟合。
本次分享,我们邀请到了来自南洋理工大学的汤凯华博士,为我们分享他团队NeurIPS 2020的论文“Long-TailedClassification by Keeping the Good and Removing the Bad Momentum Causal Effect”。该工作利用因果分析技术,首次实现不需要提前预知数据分布情况下适用的长尾分布去偏见算法。并且该方法不增加任何额外的训练负担,可以轻易适用于各种场景,如我们在图片分类,物体检测,实例分割任务上都取得了显著提升。
01
直播信息
时间
2020年12月10日(周四)20:00-21:00
主题
02
嘉宾介绍
汤凯华
南洋理工大学计算机系三年级在读博士生,导师张含望。就读博士前在上海交通大学IEEE班获得学士学位,并在交大-早稻田双硕士联培项目中获得双硕士学位。研究兴趣包括:场景图生成与理解,长尾分布下的识别,视觉推理,和因果分析在计算机视觉上的应用。
更多信息可见个人主页:
https://kaihuatang.github.io/
03
关于分享
1. 长尾分布问题简介
2. 相关工作
3. 关于长尾分布的因果分析
4. 提出的De-confound TDE算法
5. 实验结果和优点分析
➤论文
Long-TailedClassification by Keeping the Good and Removing the Bad Momentum Causal Effect
论文地址:
https://arxiv.org/abs/2009.12991
代码地址:
https://github.com/KaihuaTang/Long-Tailed-Recognition.pytorch
04
参与方式
关注“极市平台”公众号,回复“73”或“汤凯华”可获取免费直播链接。
05
往期回顾
在"极市平台"公众号后台回复期数或者分享嘉宾名字,即可获取极市平台对应期在线分享资料。
06
关于极市平台
觉得有用麻烦给个在看啦~