极市直播|李夏：语义分割中的自注意力机制和低秩重建（ICCV Oral，已开源）

原创爱分享的极市平台 2021-09-19

↑ 点击蓝字关注极市平台识别先机创造未来

| 极市线上分享第49期 |

一直以来，为让大家更好地了解学界业界优秀的论文和工作，极市已邀请了超过50位技术大咖嘉宾，并完成了48期极市线上直播分享，往期分享请前往bbs.cvmart.net/topics/149 或直接阅读原文，也欢迎各位小伙伴自荐或推荐更多多优秀的技术嘉宾到极市进行技术分享，与大家一起交流学习~~

本次分享，极市重磅邀请到北京大学计算机应用技术在读硕士李夏，为我们分享语义分割中的自注意力机制和低秩重建，欢迎各位小伙伴参与直播，与嘉宾互动交流~

活动信息

主题：语义分割中的自注意力机制和低秩重建

时间：10月23日（周三）晚20:00~21:00

嘉宾信息

李夏

北京大学计算机应用技术硕士在读，指导老师为林宙辰和刘宏。研究方向为计算机视觉，包括语义分割、全景分割和低层级视觉等。更多信息见个人主页：https://xialipku.github.io/

关于分享

➤分享背景

语义分割是计算机视觉几大主任务之一，被广泛应用到自动驾驶、遥感监测等领域中。语义分割研究中的若干成果，也被诸多相关领域沿用。自注意力机制继在 NLP 领域取得主导地位之后，近两年在计算机视觉领域也开始独领风骚。本次分享中，讲介绍自注意力机制在语义分割网络中的应用，并介绍由之衍生出的一系列低秩重建相关的方法。最后会引出分享者最近被 ICCV 录取为 Oral 的工作 Expectation Maximization Attention Networks for Semantic Segmentation。

论文链接：https://arxiv.org/abs/1907.13426

代码链接：https://github.com/XiaLiPKU/EMANet

➤分享大纲

1. 语义分割任务介绍

2. Non-local Nets 及相关工作

3. A^2-Net 及相关工作

4. EM Attention Nets

5. 语义分割

参与方式

关注“极市平台”公众号，回复“49”或“李夏”即可获取免费直播链接。加入专业CV交流群请填写表单 (http://extremevision.mikecrm.com/kYZXL5o) 或者点击阅读原文跳转。

往期回顾

极市致力于打造最专业的的视觉算法开发与分发平台，特邀请行业内专业牛人嘉宾为大家分享视觉领域内的干货及经验，目前已成功举办48期线上分享。近期在线分享查看：