讲座报名 | CMU博士后带来自监督学习主题分享

2021 年 8 月 30 日 THU数据派


  
  
    
来源:AI TIME论道

  本文约658字,建议阅读2分钟

本文 介绍 了9月1日 19:30~20:30举办的沈志强博士主题分享,欢迎扫码观看直播。

9月1日晚 7:30-8:30

AI TIME特别邀请了沈志强博士,为大家带来报告——《理解自监督学习,知识蒸馏和二值化网络 》

哔哩哔哩直播通道


★ 嘉宾简介 ★

沈志强:


卡耐基梅隆大学和穆罕默德·本·扎耶德人工智能大学博士后,在Eric Xing教授以及Marios Savvides教授实验室从事深度学习、计算机视觉、机器学习等研究工作。他是复旦大学和伊利诺伊大学香槟分校联合培养博士,师从Thomas Huang教授等。


他的早期研究工作主要聚焦于传统的计算机视觉任务,比如目标检测 (detection from scratch),细粒度分类,小样本、视频描述等。目前他也关注如何为这些视觉任务通过机器学习算法进行加速和优化,最近一些工作更多的关注于二值化网络,知识蒸馏,网络压缩,自监督学习等工作机制的研究以及和视觉任务结合的方向。


他希望自己的研究能够使视觉应用在现实场景中更加高效的部署和运行,使用更少的数据(few-shot)和更少的标注(self-supervision),同时保证模型精度。他是CSIG 2019优秀博士毕业论文获得者。他的一作工作发表于TPAMI、IJCV、ICLR、ICML、CVPR、ICCV、AAAI等机器学习和计算机视觉领域顶级期刊和会议,同时也是这些期刊会议的审稿人,他总发表的论文数目超过30篇,google scholar 2200+。


个人主页:http://zhiqiangshen.com/


分享内容:

理解自监督学习

知识蒸馏和二值化网络

报告简介:


主要会介绍最近在ICLR 2021,ICML 2021以及CVPR 2021上的几个工作,包括:

(1)一个全新的基于蒸馏的自监督学习框架

(2)知识蒸馏和标签平滑的深度理解

(3)如何高效的通过监督或者自监督的方式训练二值化网络等等。



—— E ND ——

登录查看更多
0

相关内容

自监督学习(self-supervised learning)可以被看作是机器学习的一种“理想状态”,模型直接从无标签数据中自行学习,无需标注数据。
专知会员服务
59+阅读 · 2021年4月11日
【CMU张坤】因果学习与人工智能
专知会员服务
119+阅读 · 2020年12月23日
【EMNLP2020】自然语言处理模型可解释性预测,182页ppt
专知会员服务
50+阅读 · 2020年11月19日
NeurIPS MeetUp Keynote重磅嘉宾揭晓,12月11日上海见
机器之心
0+阅读 · 2021年11月29日
讲座报名 | 数据挖掘专场来啦!
THU数据派
0+阅读 · 2021年11月3日
讲座报名丨 ICML专场
THU数据派
0+阅读 · 2021年9月15日
VALSE Webinar 19-01期 元学习专题研讨
VALSE
13+阅读 · 2018年12月27日
报名 | 知识图谱前沿技术课程(暨学术交流)
PaperWeekly
15+阅读 · 2017年7月10日
国家自然科学基金
5+阅读 · 2017年6月30日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年9月30日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年4月30日
Domain Representation for Knowledge Graph Embedding
Arxiv
14+阅读 · 2019年9月11日
VIP会员
相关资讯
NeurIPS MeetUp Keynote重磅嘉宾揭晓,12月11日上海见
机器之心
0+阅读 · 2021年11月29日
讲座报名 | 数据挖掘专场来啦!
THU数据派
0+阅读 · 2021年11月3日
讲座报名丨 ICML专场
THU数据派
0+阅读 · 2021年9月15日
VALSE Webinar 19-01期 元学习专题研讨
VALSE
13+阅读 · 2018年12月27日
报名 | 知识图谱前沿技术课程(暨学术交流)
PaperWeekly
15+阅读 · 2017年7月10日
相关基金
国家自然科学基金
5+阅读 · 2017年6月30日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年9月30日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年4月30日
Top
微信扫码咨询专知VIP会员