极市直播回放丨第62期-魏恺轩:免调试即插即用的近端优化算法

2020 年 7 月 25 日 极市平台

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80位技术大咖嘉宾,并完成了62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~~


几天前,ICML 2020杰出论文奖和杰出论文荣誉提名奖公布,北理工研二学生魏恺轩作为一作的论文获得了杰出论文奖论文名为Tuning-free Plug-and-Play Proximal Algorithm for Inverse Imaging Problems
该研究提 出了一种免调参的 PnP 近端算法,支持自动设置内部参数,包括惩罚参数、去噪强度以及终止时间。开发了一个用于自动搜索参数的策略网络,它 能够通过混合无模型和基于模型的深度强化学习来高效地学习参数

7月22日晚20:00,我们重磅邀请到论文一作:北京理工大学研究生魏恺轩,为我们深度解读论文相关工作。在极市平台公众号后台回复“62”或“魏恺轩”即可获取视频和PPT下载地址~

详情传送门
重磅直播!ICML 2020杰出论文一作魏恺轩:免调试即插即用的近端优化算法
分享大纲
1. 背景知识(即插即用的近端优化算法、逆成像问题、图像重构/复原)
2. 存在的核心挑战/问题
3. 我们的方法
4. 实验分析与结果展示

5. 总结与展望

论文地址:https://arxiv.org/abs/2002.09611


回放视频在这里☟(建议在pc端观看)


➤部分PPT截图

往期视频在线观看
B站: http://space.bilibili.com/85300886#!/
腾讯视频: http://v.qq.com/vplus/8be9a676d97c74ede37163dd964d600c

往期线上分享集锦:http://bbs.cvmart.net/topics/149/cvshare(或直接阅读原文


添加极市小助手微信 (ID : cv-mart) ,备注: 研究方向-姓名-学校/公司-城市 (如:目标检测-小极-北大-深圳),即可申请加入 极市技术交流群 ,更有 每月大咖直播分享、真实项目需求对接、求职内推、算法竞赛、 干货资讯汇总、行业技术交流 一起来让思想之光照的更远吧~

△长按添加极市小助手

△长按关注极市平台,获取 最新CV干货

觉得有用麻烦给个在看啦~   
登录查看更多
0

相关内容

优化算法是一种根据概率按照固定步骤寻求问题的最优解的过程。与常见的排序算法、寻路算法不同的是,优化算法不具备等幂性,是一种概率算法
【DeepMind】强化学习教程,83页ppt
专知会员服务
152+阅读 · 2020年8月7日
【MLSS2020】最新《深度学习基础》视频讲解,42页ppt
专知会员服务
46+阅读 · 2020年8月5日
手写实现李航《统计学习方法》书中全部算法
专知会员服务
48+阅读 · 2020年8月2日
CVPR 2020 最佳论文与最佳学生论文!
专知会员服务
35+阅读 · 2020年6月17日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
109+阅读 · 2020年5月15日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
极市内推| 商汤科技2020届AI岗校招(含内推邮箱)
极市平台
8+阅读 · 2019年7月19日
极市干货|高继扬-时序动作检测
极市平台
4+阅读 · 2018年7月17日
Optimization for deep learning: theory and algorithms
Arxiv
104+阅读 · 2019年12月19日
Accelerated Methods for Deep Reinforcement Learning
Arxiv
6+阅读 · 2019年1月10日
Risk-Aware Active Inverse Reinforcement Learning
Arxiv
7+阅读 · 2019年1月8日
Adaptive Neural Trees
Arxiv
4+阅读 · 2018年12月10日
A Survey on Deep Transfer Learning
Arxiv
11+阅读 · 2018年8月6日
Arxiv
6+阅读 · 2018年4月24日
VIP会员
相关论文
Optimization for deep learning: theory and algorithms
Arxiv
104+阅读 · 2019年12月19日
Accelerated Methods for Deep Reinforcement Learning
Arxiv
6+阅读 · 2019年1月10日
Risk-Aware Active Inverse Reinforcement Learning
Arxiv
7+阅读 · 2019年1月8日
Adaptive Neural Trees
Arxiv
4+阅读 · 2018年12月10日
A Survey on Deep Transfer Learning
Arxiv
11+阅读 · 2018年8月6日
Arxiv
6+阅读 · 2018年4月24日
Top
微信扫码咨询专知VIP会员