本帖最后由 Dany_dai 于 2018-2-6 19:14 编辑
主题：Learn CNNs from Large-scale Web Images without human annotation
时间：北京时间周四（2月8日）晚20:00-21:30
➤分享背景ImageNet 竞赛在2017正式完结，而WebVision(大规模视觉理解竞赛)作为接棒ImageNet的竞赛，在CVPR2017 进行首次挑战赛。相对于ImageNet而言，WebVision竞赛难度更高，但也更贴近实际的应用场景。ImageNet提供的是完全人工标注的干净数据，而WebVision 所用数据集直接从互联网爬取，没有经过人工标注，数据含有很多噪音，且数据类别的数量存在着极大不平衡。 CVPR 2017WebVision Challege,全球有超过 100 个团队注册参加,在公开提交结果的团队中，SnapChat、清华大学、上海科技大学、UCF 等来自世界各国的顶尖学术和研发机构均榜上有名。而码隆科技取得了这次WebVision 竞赛的第一名，最佳结果（94.78%）比第二名高出 2.5%。
➤分享内容- 如何训练一个高性能的CNN模型
- WebVision 竞赛中的相关挑战：噪声数据，数据不平衡，无人工标注等
- 针对挑战采取的算法策略：课程学习（curriculum learning），半监督学习等
- WebVision经验总结及其他
➤分享嘉宾码特Matt Scott，码隆科技CTO，15年以上计算机视觉与机器学习研发经验、IEEE高级会员(SMIEEE)。拥有超过50个中美专利技术、国际顶级学术会议及期刊论文十余篇，曾在顶级期刊《The Proceedings of the IEEE》和《IEEE Computer》发表封面重磅论文。曾主导开发“必应词典”，覆盖全球数千万级用户，并荣膺“华尔街日报亚洲创新大奖”。2017年，码特荣获“创新中国年度人物”荣誉，以及第一财经“中国最佳国际创业者”称号。码特在中国创业的成就被华尔街日报、福布斯、纽约时报、Discovery探索频道等多家权威媒体报道。 黄伟林，码隆科技首席科学家，曼彻斯特大学博士，牛津大学计算机视觉研究实验室（VGG）博士后，在2015年作为首批中国人入选VGG实验室，师从Andrew Zisserman(世界上论文被引用次数最多的计算机视觉科学家之一)。作为顶尖计算机领域研究员，主要关注场景识别，文本检测领域研究，大规模图像分类和医学图像分析。同时，他还担任世界顶级计算机视觉 / 人工智能会议（ICCV2017、CVPR2017、ECCV2016、AAAI2017）程序委员会委员。他和团队成员获得了 ImageNet 2015中场景识别的亚军和CVPR2017 WebVisionChallenge的冠军。
➤参与方式
| 
发表于 2018-2-6 19:09:05