Talk预告 | ICLR+NeurlPS, 港中大MMLab葛艺潇分享无监督及领域自适应的目标重识别
本周为将门-TechBeat技术社区第254期线上Talk!
北京时间11月5日(周四)晚8点,香港中文大学MMLab在读博士生—葛艺潇的Talk将准时在将门TechBeat技术社区开播!
她与大家分享的主题是: “无监督及领域自适应的目标重识别”。届时将会介绍该主题的最新研究进展,以及香港中文大学MMLab发表于NeurIPS 2020的最新论文成果。
近日,葛艺潇还在将门分享了她的论文解读《港中文MMLab自步对比学习: 充分挖掘无监督学习样本》,复制链接https://mp.weixin.qq.com/s/K96Qdh4CwYJkUU52wS3hdA至浏览器即可一键复习!

Talk·信息
▼
主题:无监督及领域自适应的目标重识别
嘉宾:香港中文大学
MMLab在读博士生 葛艺潇
时间:北京时间 11月5日 (周四) 20:00
地点:将门TechBeat技术社区
http://www.techbeat.net/
Talk·提纲
▼
目标重识别是智慧城市系统中不可或缺的重要组成部分。在如今深度学习盛行的时代,大规模数据集推动了该任务的快速发展,然而人们发现,即使是在大规模数据集上训练好的模型,当被直接应用于一个新的相机系统(或监控系统)时,性能也会大幅下降,且训练数据的收集和标注耗时耗力。故无监督及领域自适应的目标重识别任务受到越来越多的关注。
本次分享的主要内容如下:
1. 无监督及领域自适应的目标重识别问题的背景2. 论文一:相互平均教学模型,发表于ICLR 2020
3. 论文二:结构化域适应模型
4. 比赛(获第二名):Visual Domain Adaptation Challenge,举办于ECCVW 20205. 论文三:自步对比学习模型,收录于NeurIPS 2020
6. 代码库:OpenUnReID,发布于OpenMMLab
(论文及代码详情见下方“参考资料”)
Talk·参考资料
▼
这是本次分享中将会提及的资料,建议提前预习哦!
1. Mutual Mean-Teaching: Pseudo Label Refinery for Unsupervised Domain Adaptation on Person Re-identification:
论文链接:https://openreview.net/pdf?id=rJlnOhVYPS
中文讲解:https://zhuanlan.zhihu.com/p/116074945
GitHub代码:https://github.com/yxgeee/MMT
2. Structured Domain Adaptation with Online Relation Regularization for Unsupervised Person Re-ID
论文链接:https://arxiv.org/abs/2003.06650
3. Improved Mutual Mean-Teaching for Unsupervised Domain Adaptive Re-ID
技术报告链接:https://arxiv.org/abs/2008.10313
中文讲解:https://zhuanlan.zhihu.com/p/265758275
GitHub代码:https://github.com/yxgeee/MMT-plus
4. Self-paced Contrastive Learning with Hybrid Memory for Domain Adaptive Object Re-ID
论文链接:https://arxiv.org/abs/2006.02713GitHub代码:https://github.com/yxgeee/SpCL
5. OpenUnReID,An Open-source Toolbox for Unsupervised or Domain Adaptive Object Re-ID
GitHub代码:https://github.com/open-mmlab/OpenUnReID
Talk·提问交流
▼
方式 ①
在本文留言区直接提出你的问题,或扫描下方二维码提问!问题被选中的小伙伴们将获得一个红包奖励!

方式 ②
在Talk界面下的【交流区】参与互动!留下你的打call🤟和问题🙋,和更多小伙伴们共同讨论,说不定就被讲者直接翻牌解答了呢!

你的每一次贡献,我们都会给予你相应的i豆积分,近期还会有惊喜奖励哦!
Talk·观看方式
▼
扫描下方二维码,或登录复制链接https://datayi.cn/w/39lep14R至浏览器,一键完成预约!上线后会在第一时间收到通知哦~

嘉宾介绍
▼

葛艺潇,香港中文大学多媒体实验室三年级博士生,师从李鸿升教授与王晓刚教授。本科毕业于华中科技大学自动化学院。目前主要研究方向为计算机视觉中的表征学习,包括无监督学习、解耦学习、领域自适应学习等,及其在图像检索、图像生成上的应用。以第一作者身份在NeurIPS、ICLR、ECCV等会议中发表多篇论文。
关于TechBeat社区
▼
TechBeat(www.techbeat.net)是一个荟聚全球华人AI精英的成长社区。我们希望为AI人才打造更专业的服务和体验,加速并陪伴其学习成长。期待这里可以成为你学习AI前沿知识的高地,分享自己最新工作的沃土,在AI进阶之路上的升级打怪的根据地!
更多详细介绍>>https://mp.weixin.qq.com/s/0XyC7qxpKA9U1fXadOudJg