- 课程回放
2015年获新加坡南洋理工大学博士,2015年至2019年在瑞士苏黎世联邦理工学院计算机视觉实验室从事研究工作;主要研究领域为计算机视觉与机器学习,专注于计算机视觉任务中的领域适应、迁移学习、弱监督学习、半监督学习等关键问题,在T-PAMI、IJCV、CVPR、ICCV、ECCV等在内的领域重要国际期刊和国际会议论文40余篇,Google Scholar的总引用次数2100余次;是迁移学习领域重要研讨会ICCV/ECCV Workshops on TASK-CV的主办者之一,以及互联网数据学习研讨会CVPR Workshops on WebVision的发起人之一。
2015年获新加坡南洋理工大学博士,2015年至2019年在瑞士苏黎世联邦理工学院计算机视觉实验室从事研究工作;主要研究领域为计算机视觉与机器学习,专注于计算机视觉任务中的领域适应、迁移学习、弱监督学习、半监督学习等关键问题,在T-PAMI、IJCV、CVPR、ICCV、ECCV等在内的领域重要国际期刊和国际会议论文40余篇,Google Scholar的总引用次数2100余次;是迁移学习领域重要研讨会ICCV/ECCV Workshops on TASK-CV的主办者之一,以及互联网数据学习研讨会CVPR Workshops on WebVision的发起人之一。
- 机器学习中的领域适应问题
- 领域适应在视觉任务中的应用和挑战
- 目标检测和分割中的深度域适应
计算机视觉是当前最热门的AI技术之一,为此,智东西公开课重磅推出「CV研究合辑」。「CV研究合辑」的每一讲将由主讲与答疑两个环节组成,其中,主讲40分钟,采用视频直播形式,答疑20分钟,将在交流群进行。目前第一讲已经上线,更多讲解将陆续推出
像目标检测和语义分割这样的计算机视觉任务,通常假设训练和测试数据是从一个相同的分布中提取的,然而,这在实践中并不总是成立的。这种分布不匹配常常导致性能显著下降,这也被称为领域适应(Domain Adaptation)问题。
领域适应,是将不同领域(如两个不同的数据集)的数据特征映射到同一个特征空间,利用其它领域数据来增强目标领域训练,即利用信息丰富的源域样本来提升目标域模型的性能。
2月13日晚8点,「CV研究合辑」第一讲开讲,主题为《领域适应在计算机视觉中的研究和应用》,将由电子科技大学教授、博士生导师李文主讲。
李文教授主要研究计算机视觉与机器学习领域,专注于计算机视觉任务中的领域适应、迁移学习、弱监督学习、半监督学习等关键问题的研究。他同时也是迁移学习领域重要研讨会ICCV/ECCV Workshops on TASK-CV的主办者之一,互联网数据学习研讨会CVPR Workshops on WebVision的发起人之一。