CV前沿讲座，是智东西公开课针对计算机视觉推出的一档讲座，聚焦于计算机视觉前沿领域研究成果与进展。我们将持续邀请研究者、专家与资深开发者，为大家带来直播讲解。

基于卷积神经网络的监督学习方法近几年在语义分割任务里取得了显着进展。但是，这种方法十分依赖于大量带注释的数据进行训练。为了解决这种限制，通常将从图形引擎生成自动注释数据，并用来训练语义分割网络。但是，从图形引擎里生成的数据训练的模型很难迁移到真实世界采集到的图像数据。

针对迁移学习的问题，目前主流的是使用域适应或迁移学习的方法来解决图像分割任务中的迁移学习问题。这些种方法均基于深度对抗网络模型，从迁移对象来分可分为三类：图像空间的迁移转换，特征空间的迁移转换，和生成空间的迁移转换。

那么当前现有的域适应方法都有哪些局限性呢？域适应及迁移学习又有哪些挑战和应用呢？8月21日晚8点，智东西公开课邀请到韩国科学技术院在读博士潘飞参与「CV前沿讲座」第15讲。潘博将围绕《语义分割场景中域适应问题的研究》这一主题进行直播讲解。

潘博将从语义分割场景下的域适应问题出发，更深入去探讨当前现有的域适应方法的局限性。当前这些方法已经考虑将模型从源域直接迁移到未标记的目标域（以减少域间差别）。但是，目标数据本身之间的较大分布差距（域内差别）并没有被考虑。因此潘博将会深度解析基于深度对抗网络的域适应方法和他们最新的研究成果，即利用自监督的域自适应方法，以最小化域间和域内的差别。最后，潘博也会对域适应在增强模型鲁棒性中的应用进行介绍。感兴趣的朋友不要错过！

潘飞是韩国科学技术院（KAIST）在读博士，主要研究方向为语义分割任务下的迁移学习和域适应问题，在CVPR, ECCV等会议上发表多篇论文。潘博本科毕业于西安电子科技大学。

课程内容

主题：
语义分割场景中域适应问题的研究

提纲：
1、语义分割场景下的域适应问题
2、基于深度对抗网络的域适应方法
3、基于自监督学习的目标域内迁移学习
4、域适应在增强模型鲁棒性中的应用

讲师介绍

潘飞，韩国科学技术院（KAIST）在读博士；主要研究方向为语义分割任务下的迁移学习和域适应问题，在CVPR, ECCV等会议上发表多篇论文；本科毕业于西安电子科技大学。

直播信息

直播时间：8月21日20:00
直播地点：智东西公开课小程序
答疑地址：图像分割讨论群

加入讨论群

本次课程的讲解分为主讲和答疑两部分，主讲以视频直播形式，答疑将在「图像分割讨论群」进行。
加入讨论群，除了可以免费收看直播之外，还能认识讲师，与更多同行和同学一起学习，并进行深度讨论。
添加小助手糖糖（ID：hitang20）即可申请，备注“姓名-公司/学校/单位-职位/专业”的朋友将会优先审核通过哦~