【活动通知】SFFAI96×华为云Stack 目标检测专题

SFFAI 合作机构 华为云Stack 简介

华为云Stack助力政企数字化转型

华为云是华为的云服务品牌，将华为30多年在ICT领域的技术积累和产品解决方案开放给客户，致力于提供稳定可靠、安全可信、可持续创新的云服务，赋能应用、使能数据、做智能世界的“黑土地”，推进实现“用得起、用得好、用得放心”的普惠AI。优势1、云、AI、5G协同创新——云、 AI、5G是当今最重要的三种通用技术，三者持续的技术创新、相互吸引、碰撞和融合，将会产生数字聚变，释放出巨大的能量和创造力，创造出革命性的新体验、新应用、新产业；2、数字化转型践行者——华为将自身在ICT基础设施领域三十多年的技术、能力、经验积累注入华为云，以在线方式将全球领先的云计算、大数据、人工智能产品与服务提供给全球客户，助力各行各业实现数字化转型与智能化升级；3、中立安全可信——华为云检出“以客户为中心”，致力于为用户提供稳定可靠、安全可信、可持续创新的云服务。华为拥有全球化合规治理经验以及业界最佳实践，为客户提供符合法律法规及业界标准要求的业务运行环境及服务；4、华为云践行开放、合作、共赢的理念，汇聚鲲鹏、AI、loT、数据库、安全等各领域及众多行业应用合作伙伴，携手打造昇腾和鲲鹏产业生态，做智能世界最肥沃的黑土地，把中国的生态带给全球把全球的生态带给中国。基于丰富的B2B经验，华为积累的大企业数字化实践以及解决方案，华为云为政企客户提供全栈、平滑演进的上云体验，是政府和大企业数字化转型的优选伙伴！

会议内容

会议简介

受制于自身数量和样本获取等原因，不同类别样本数量分布自然地呈现出长尾现象，类别间样本数量差异很大。深度学习模型往往在样本丰富的类别上能够取得较好的效果，而在样本稀缺的类别上表现却不尽如人意；而在自然界中，人类通常可以通过很少数量的样本完成各项分类识别任务。受此启发，小样本学习应运而生。本期我们邀请了来自清华大学的杨玉宽同学，介绍他在目标检测任务下小样本学习方向的工作。

讲者介绍

杨玉宽，2013级清华大学精仪系本科生，2017级清华大学类脑计算研究中心博士生，2019年~2020年在微软亚洲研究院实习，研究方向为计算机视觉，神经网络压缩，脉冲神经网络，类脑计算等。

会议题目

综合利用正、负样本信息的小样本目标检测

会议摘要

小样本学习的目标是利用样本丰富类别（base classes）提取先验知识并将其推广到弱监督小样本类别（novel classes）的新任务。本论文首次揭示了负样本信息在小样本目标检测的重要性，通过引入一种新的基于正负样本信息的度量学习训练和推理框架NP-RepMet，提出综合利用正样本信息和负样本信息进行小样本目标检测任务。实验表明，负样本信息的加入能够显著提升小样本目标检测性能，在ImageNet-LOC和Pascal VOC数据集上mAP能够提升10%以上。

会议亮点

1、揭示了负样本信息在小样本目标检测中的重要性，建立了综合利用正负样本信息进行小样本目标检测的框架NP-RepMet；

2、基于度量学习设计了小样本目标检测训练和推理机理，并建立了负样本选取策略；

3、小样本目标检测性能得到显著提升，在ImageNet-LOC和Pascal VOC数据集上mAP能够提升10%以上。

直播时间

2021年1月10日（周日）20:00-21:00  线上直播

关注本公众号，对话框回复“SFFAI96”，获取入群二维码

注：直播地址会分享在交流群内

论文推荐

“ 《SFFAI 96期—目标检测专题》来自来自清华大学的杨玉宽同学推荐的文章主要关注于目标检测领域的基础经典与领域前沿各3篇，你可以认真阅读讲者推荐的论文，来与讲者及同行线上交流哦。”

关注文章公众号

回复"SFFAI96"获取本主题精选论文

基础经典

01

推荐理由：目标检测基础论文。

—— 杨玉宽

02

推荐理由：小样本学习入门论文，用于图像分类任务。

—— 杨玉宽

03

推荐理由：增加了relation module，用于图像分类任务。

—— 杨玉宽

领域前沿

04

推荐理由：小样本学习比较全面的综述论文。

—— 杨玉宽

05

推荐理由：将度量学习引入小样本学习并用于目标检测任务。

—— 杨玉宽

06

推荐理由：将注意力机制引入小样本目标检测。

—— 杨玉宽

SFFAI招募！

现代科学技术高度社会化，在科学理论与技术方法上更加趋向综合与统一，为了满足人工智能不同领域研究者相互交流、彼此启发的需求，我们发起了SFFAI这个公益活动。SFFAI每周举行一期线下活动，邀请一线科研人员分享、讨论人工智能各个领域的前沿思想和最新成果，使专注于各个细分领域的研究者开拓视野、触类旁通。

SFFAI目前主要关注机器学习、计算机视觉、自然语言处理等各个人工智能垂直领域及交叉领域的前沿进展，将对线下讨论的内容进行线上传播，使后来者少踩坑，也为讲者塑造个人影响力。SFFAI还在构建人工智能领域的知识森林—AI Knowledge Forest，通过汇总各位参与者贡献的领域知识，沉淀线下分享的前沿精华，使AI Knowledge Tree枝繁叶茂，为人工智能社区做出贡献，欢迎大家关注SFFAI论坛：https://bbs.sffai.com。

SFFAI历史活动

更多SFFAI历史活动

请点击文章底部“阅读原文”查看

分享、点赞、在看，给个三连击呗！