Talk预告|基于因果干预的弱监督语义分割:南京理工大学在读博士张冬分享NeurIPS 2020

2021-01-13 09:59 作者:TechBeat人工智能社区 0人读过 | 我要投稿

本周为将门-TechBeat技术社区第273期线上Talk，也是NeurIPS 2020系列Talk第⑦弹！

北京时间1月14日(周四)晚8点，南京理工大学计算机应用技术在读博士生—张冬的Talk将准时在将门TechBeat技术社区开播！

他与大家分享的NeurIPS 2020 Oral 工作主题是: “基于因果干预的弱监督语义分割”。届时将介绍语义分割和因果推理的背景、弱监督语义分割伪标签中的基本问题，以及基于因果干预的弱监督语义分割方法。

Talk·信息

▼

主题：基于因果干预的弱监督语义分割

嘉宾：南京理工大学

计算机应用技术在读博士生张冬

时间：北京时间 1月14日 (周四) 20:00

地点：将门TechBeat技术社区

http://www.techbeat.net/

长按识别二维码，一键完成预约！

Talk·提纲

▼

语义分割在自动驾驶、计算机辅助医疗等领域有着广泛的应用。为了缓解全监督语义分割模型需要耗费大量人力、物力做像素级图像标注的问题，人们利用一些较容易获取的弱标签作为监督信息来训练语义分割模型。然而，通过弱标签生成的像素级语义分割伪标签仍然存在诸多缺陷，需要进一步被解决。

本次分享的主要内容如下：

1. 语义分割和因果推理背景介绍

2. 弱监督语义分割伪标签中存在的三个基本问题

3. 基于因果干预的弱监督语义分割方法

4. 总结和展望

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. Kolesnikov A, Lampert C H. Seed, Expand andConstrain: Three Principles forWeakly-Supervised Image Segmentation. ECCV, 2016.

https://arxiv.org/pdf/1603.06098.pdf

2. Ahn J, Cho S, Kwak S. Weakly Supervised Learning ofInstance Segmentation withInter-Pixel Relations. CVPR, 2018.

https://openaccess.thecvf.com/content_CVPR_2019/papers/Ahn_Weakly_Supervised_Learning_of_Instance_Segmentation_With_Inter-Pixel_Relations_CVPR_2019_paper.pdf

3. Wang Y, Zhang J, Kan M, et al. Self-supervised Equivariant Attention Mechanism for Weakly Supervised Semantic Segmentation. CVPR, 2020.

https://arxiv.org/pdf/2004.04581.pdf

4. Zhang D, Zhang H, Tang J, et al. Causal Intervention forWeakly-Supervised Semantic Segmentation.NeurIPS, 2020.

https://proceedings.neurips.cc//paper/2020/file/07211688a0869d995947a8fb11b215d6-Paper.pdf

5. 个人专栏：

https://zhuanlan.zhihu.com/p/260967655

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·嘉宾介绍

▼

张冬，南京理工大学智能媒体分析实验室博士生，师从国家杰青唐金辉教授。2018年9月至2020年9月，国家公派留学至新加坡南洋理工大学MReal实验室，跟随张含望教授。主要研究方向为目标检测、语义分割。