【干货课】计算机视觉领域自适应，59页ppt，UCSD加州大学圣地亚哥分校

计算机视觉在深度学习时代取得了快速的进步。这在很大程度上归功于大规模标记数据的可用性，加上GPU计算。然而，计算机视觉模型在一个领域上训练，比如白天的图像，通常不能泛化到新的领域，比如晚上获得的图像。为所有可能的场景标记数据是昂贵的，但是未标记的数据更容易获得。在本课程中，我们将学习无监督领域适应的概念，并应用于各种计算机视觉问题，如图像分类、语义分割、目标检测、人脸识别和三维重建。

本课程将涵盖领域适应的各种主题，包括:

• 分布排列
• 度量学习
• 集成
• 对抗学习
• 生成式建模
• 开集自适应
• 域泛化
• 公平

这些方法将应用于计算机视觉中的几个问题，如:

• 图像分类
• 语义分割
• 对象检测
• 人脸识别
• 行人重识别
• 视频理解

http://cseweb.ucsd.edu/~mkchandraker/classes/CSE291/Winter2020/