极市分享|王晋东 迁移学习中的领域自适应方法

2017 年 12 月 11 日 极市平台
↑ 点击蓝字关注极市平台 识别先机 创造未来


| 极视角线上分享  第23期 |


领域自适应在计算机视觉中是一个非常基础且重要的问题,也是迁移学习领域经久不衰的研究热点,每年有大量的文章发表在ICML、NIPS、CVPR、ICCV等国际顶级会议。本次分享,王晋东博士将着重讲述迁移学习中的领域自适应(domain adaptation)方法以及应用。 



01

活动信息


主题迁移学习中的领域自适应方法

时间:北京时间周四(12月14日)晚20:00-21:30



02

嘉宾信息




王晋东

中国科学院计算技术研究所博士,知乎机器学习达人


王晋东,现于中国科学院计算技术研究所攻读博士学位,研究方向为迁移学习、机器学习等。他在国际权威会议ICDM、UbiComp等发表多篇文章。同时,也是知乎等知识共享社区的机器学习达人(知乎用户名:王晋东不在家)。他还在Github上发起建立了多个与机器学习相关的资源仓库,成立了超过120个高校和研究所参与的机器学习群,热心于知识的共享。个人主页:http://jd92.wang



03

关于分享


分享背景

领域自适应在计算机视觉中是一个非常基础且重要的问题,也是迁移学习领域经久不衰的研究热点,每年有大量的文章发表在ICML、NIPS、CVPR、ICCV等国际顶级会议上。例如,在无法收集到足够标定数据的前提下,如何使得分类器能准确识别不同光照、不同背景、不同视角的图像?我们将从以下几个方面进行介绍。通过本次讲座,你将对迁移学习有着一定的了解,并且能够深入理解迁移学习及领域自适应方法,为自己的研究工作提供经验。


分享内容

  • 迁移学习以及迁移学习的必要性

  • 迁移学习研究领域的分类及经典迁移学习方法介绍

  • 领域自适应问题简介

  • 从零到一深入领域自适应方法及最新研究成果



04

参与方式


长按下图,识别图中二维码,关注“极市平台”公众号,回复23即可获取直播链接。如有想参加极视角群内分享的,欢迎回复“加群”获取加群信息。



更多新鲜出炉的线上分享信息,实时更新的行业动态、干货分享,敬请关注“极市平台”。



05

往期回顾


极视角致力于打造最专业的的视觉算法开发与分发平台极市,特邀请行业内专业人员每周为大家分享视觉领域内的干货及经验,目前已成功举办21期线上分享。近期在线分享查看:

沈志强|如何让计算机自动生成稠密的视频描述

许华哲|基于视觉的深度学习的自动驾驶实现模型

申发龙| 关于语义图像分割:FCN和Guidance CRF

郑哲东 | Deep-ReID:行人重识别的深度学习方法

边佳旺 | 稳定的图像特征匹配以及快速的GMS方案

王超 | 走进GAN的世界

郑华滨 | 从PM到GAN—LSTM之父Schmidhuber横跨22年的怨念

王蒙蒙 | 基于计算机视觉的目标跟踪算法概览

……


更多分享请浏览:极市计算机视觉技术分享集锦http://cvmart.net/community/article/detail/78


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


极市平台(Extreme Mart)是深圳极视角旗下的专业的视觉算法开发与分发平台,提供实景训练数据库、基础算法和规模化摄像头分发渠道等。目前已经与上百名开发者进行项目和算法的合作,已有上百种视觉算法成功转化成产品进入市场应用,,并且与北大深研院,深圳先进科学技术院等实验室有合作。欢迎联系小助手(微信:Extreme-Vision)进行合作~


点击阅读原文查看所有分享


有问题的请在本帖下直接留言,嘉宾现场作答~

登录查看更多
10

相关内容

王晋东,现于中国科学院计算技术研究所攻读博士学位,研究方向为迁移学习、机器学习等。他在国际权威会议ICDM、UbiComp等发表多篇文章。同时,也是知乎等知识共享社区的机器学习达人(知乎用户名:王晋东不在家)。他还在Github上发起建立了多个与机器学习相关的资源仓库,成立了超过120个高校和研究所参与的机器学习群,热心于知识的共享。个人主页:[http://jd92.wang](http://jd92.wang/)
最新《多任务学习》综述,39页pdf
专知会员服务
259+阅读 · 2020年7月10日
最新《生成式对抗网络》简介,25页ppt
专知会员服务
168+阅读 · 2020年6月28日
基于小样本学习的图像分类技术综述
专知会员服务
146+阅读 · 2020年5月6日
《迁移学习简明手册》,93页pdf
专知会员服务
131+阅读 · 2019年12月9日
极市分享|张锋 2D单人姿态估计及应用
极市平台
7+阅读 · 2018年1月22日
【回顾】迁移学习的发展和现状
AI研习社
8+阅读 · 2017年11月17日
Meta-Transfer Learning for Zero-Shot Super-Resolution
Arxiv
43+阅读 · 2020年2月27日
Arxiv
4+阅读 · 2019年9月26日
Arxiv
13+阅读 · 2019年1月26日
Meta-Learning with Latent Embedding Optimization
Arxiv
6+阅读 · 2018年7月16日
Arxiv
3+阅读 · 2018年4月10日
VIP会员
相关VIP内容
相关论文
Meta-Transfer Learning for Zero-Shot Super-Resolution
Arxiv
43+阅读 · 2020年2月27日
Arxiv
4+阅读 · 2019年9月26日
Arxiv
13+阅读 · 2019年1月26日
Meta-Learning with Latent Embedding Optimization
Arxiv
6+阅读 · 2018年7月16日
Arxiv
3+阅读 · 2018年4月10日
Top
微信扫码咨询专知VIP会员