報名開啟丨CVPR2020：長尾分佈下的特徵學習方法介紹及最新進展

• 2020 年 5 月 8 日
• AI

CVPR 2020 系列論文解讀公開課第六期，就在5月9日（本周六）20:00 整（北京時間）進行。 

AI科技評論出品

針對目前國際疫情形勢越發嚴峻，無法現場參會進行學術交流的情況，AI科技評論組織策划了頂會系列專題活動，這其中就包括【CVPR 2020 專題】系列活動。而【CVPR 2020系列論文解讀公開課】更是其中重要的組成部分，除此之外，專題還包括系列論文文字解讀，會議數據分析，會議資源下載等。

本次直播為【CVPR 2020 系列論文解讀公開課】第六期，此論文錄用為CVPR 2020 論文《Deep Representation Learning on Long-tailed Data: A Learnable Embedding Augmentation Perspective》，我們有幸邀請到了改論文一作，來自吉林大學計算機科學與技術學院在讀博士生劉家倫博士，帶來關於「長尾分佈下的特徵學習方法介紹及最新進展」的分享。

論文地址：//arxiv.org/abs/2002.10826

真實世界中的數據分佈總是呈現出長尾分佈模式，即少量類別（頭部類）擁有大量數據，而大部分的類別（尾部類）僅有少量的樣本，導致模型訓練過程中出現嚴重的偏差，使得長尾分佈下的特徵學習格外困難。

本次分享將重點介紹 CVPR 2020上的一篇論文「Deep Representation Learning on Long-tailed Data: A Learnable Embedding Augmentation Perspective」。本文提出了「feature cloud」的概念，在模型訓練過程中，為每一個尾部數據構建「feature cloud」，就像電子云填充空曠的原子一樣，將一個真實的尾部特徵表示為一簇特徵，以此實現對尾部數據的data augmentation。方法簡潔、高效，避免了像GAN這樣複雜的操作。

另外，「feature cloud」在實際的大規模呈現長尾分佈的業務數據上取得了顯著的性能提升。

分享提綱：

1、計算機視覺任務中數據呈現長尾分佈帶來的問題。

2、「為尾部樣本構造特徵雲」CVPR2020論文講解。

3、長尾分佈問題最近研究進展介紹。

主講嘉賓：

如何觀看直播？

直播地址：//mooc.yanxishe.com/open/course/809

或者掃描下方海報二維碼

掃碼關注[ AI研習社頂會小助手] 微信號，發送關鍵字「 CVPR 」，即可進群獲取直播課程資料。