直播预告 | 双边分支网络BBN：攻坚长尾分布的现实世界任务

「PW Live」是 PaperWeekly 的学术直播间，旨在帮助更多的青年学者宣传其最新科研成果。我们一直认为，单向地输出知识并不是一个最好的方式，而有效地反馈和交流可能会让知识的传播更加有意义，从而产生更大的价值。

本期 PW Live，我们邀请到旷视南京研究院研究员周博言，为大家带来双边分支网络BBN：攻坚长尾分布的现实世界任务的主题分享。

对本期主题感兴趣的小伙伴，6 月 9 日（周二）晚 8 点，我们准时相约 PaperWeekly B 站直播间。

分享提纲

长尾分布是现实世界的一大难题，指的是少部分类别占据了大量样本，而大部分类别却只有少数样本。解决这一问题最主流的方法是类别再平衡策略，即通过重采样或代价敏感重加权来缓解类别不平衡问题。

我们揭示出，这些策略之所以起效，是因为其显著提升了分类器的性能，但同时又会在一定程度上损害深度特征的表征能力。因此，我们提出了一个统一的双边分支网络（Bilateral-Branch Network BBN），两个分支各司其职，从而兼顾网络的特征表示能力和分类能力。

此外，我们还提出了一种全新的累积学习（Cumulative Learning）策略，配合 BBN 网络首先进行通用特征的学习，随后逐渐将注意力转移到尾部类的识别上。通过该方法，旷视研究院在细粒度识别领域权威赛事 FGVC 2019 中，获得 iNaturalist Challenge 赛道的世界冠军。该网络框架的代码已开源。

本次分享的具体内容有：

• 长尾识别任务介绍及相关的经典工作

• 类别再平衡方法作用机理的揭示

• BBN方法介绍

• 实验结果及ablation study

嘉宾介绍

 周博言  / 旷视南京研究院研究员  

周博言，旷视南京研究院研究员 ，本科和硕士毕业于南京大学。研究方向为计算机视觉，主要包括长尾识别、目标检测等，曾参与多项计算机视觉国际竞赛，获得两项冠军，一项亚军，在 CVPR 2020 发表 Oral 论文一篇。

直播地址 & 交流群

本次直播将在 PaperWeekly B 站直播间进行，扫描下方海报二维码或点击阅读原文即可免费观看。线上分享结束后，嘉宾还将在直播交流群内实时 QA，在 PaperWeekly 微信公众号后台回复「PW Live」，即可获取入群通道。

B 站直播间：

https://live.bilibili.com/14884511

合作伙伴

🔍

现在，在「知乎」也能找到我们了

进入知乎首页搜索「PaperWeekly」

点击「关注」订阅我们的专栏吧

关于PaperWeekly

PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域，欢迎在公众号后台点击「交流群」，小助手将把你带入 PaperWeekly 的交流群里。