【CVPR2019最新元学习教程】 基于元学习的计算机视觉应用（附下载）

导读

计算机视觉最具影响力的学术会议之一的 IEEE CVPR 在2019 年 6 月 16 日 在美国加州的长滩市召开举行。来自Salesforce Research的Nikhil Naik和Nitish Keskar, Google的Chelsea Finn, University of Freiburg 的Frank Hutter, Salesforce Research的Richard Socher, MIT的Ramesh Raskar等人一起分享了各自在元学习上的工作和见解，介绍一系列涵盖元学习中的几个重要主题，包括少样本学习、多任务学习和神经框架搜索，以及它们的基本构件块：强化学习、进化算法、优化和基于梯度的学习等。

Meta-Learning for Computer Vision

基于元学习的计算机视觉应用

讲者：Nikhil Naik, Nitish Keskar, Chelsea Finn, Frank Hutter, Richard Socher, Ramesh Raskar

摘要：近年来，人们对元学习算法的兴趣激增: 优化学习算法性能的算法，设计基于数据的神经网络等学习功能的算法，以及发现任务之间关系的算法，以实现对新任务的快速学习。这代表了人工智能的下一个重大转变，从学习决策函数和学习表示，到学习这些学习表示和决策函数的算法。

本教程将涵盖元学习中的几个重要主题，包括少样本学习、多任务学习和神经框架搜索，以及它们的基本构件块：强化学习、进化算法、优化和基于梯度的学习。我们还将讨论它们在计算机视觉的一系列问题中的应用。

链接：

https://metalearning-cvpr2019.github.io/

Few-shot meta-learning 

讲者：Chelsea Finn

主页：http://people.eecs.berkeley.edu/~cbfinn/

PPT：

https://metalearning-cvpr2019.github.io/assets/CVPR_2019_Metalearning_Tutorial_Chelsea_Finn.pdf

Multi-task learning and meta-learning

讲者：Nitish Keskar

主页：https://keskarnitish.github.io/

PPT：

https://metalearning-cvpr2019.github.io/assets/CVPR_2019_Metalearning_Tutorial_Nitish_Keskar.pdf

Neural architecture search 

讲者：Nikhil Naik

主页：http://mit.edu/naik

PPT：

https://metalearning-cvpr2019.github.io/assets/CVPR_2019_Metalearning_Tutorial_Nikhil_Naik.pdf

Bayesian optimization and meta-learning

讲者：Frank Hutter

主页：

http://aad.informatik.uni-freiburg.de/people/hutter/

PPT：

https://metalearning-cvpr2019.github.io/assets/CVPR_2019_Metalearning_Tutorial_Frank_Hutter.pdf

完整教程Slides下载：

请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“CVPR2019MTLCV” 就可以获取《【CVPR2019】基于元学习的计算机视觉应用》下载链接~

-END-

专 · 知

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎登录www.zhuanzhi.ai，注册登录专知，获取更多AI知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程视频资料和与专家交流咨询！

请加专知小助手微信（扫一扫如下二维码添加），加入专知人工智能主题群，咨询技术商务合作~

专知《深度学习:算法到实战》课程全部完成！550+位同学在学习，现在报名，限时优惠！网易云课堂人工智能畅销榜首位！

点击“阅读原文”，了解报名专知《深度学习:算法到实战》课程