CVPR 2020 系列論文解讀公開課第六期，就在5月9日（本周六）20:00 整（北京時間）進行。 

AI科技評論出品

針對目前國際疫情形勢越發(fā)嚴峻，無法現(xiàn)場參會進行學術交流的情況，AI科技評論組織策劃了頂會系列專題活動，這其中就包括【CVPR 2020 專題】系列活動。而【CVPR 2020系列論文解讀公開課】更是其中重要的組成部分，除此之外，專題還包括系列論文文字解讀，會議數(shù)據(jù)分析，會議資源下載等。

本次直播為【CVPR 2020 系列論文解讀公開課】第六期，此論文錄用為CVPR 2020 論文《Deep Representation Learning on Long-tailed Data: A Learnable Embedding Augmentation Perspective》，我們有幸邀請到了改論文一作，來自吉林大學計算機科學與技術學院在讀博士生劉家倫博士，帶來關于“長尾分布下的特征學習方法介紹及最新進展”的分享。

論文地址：https://arxiv.org/abs/2002.10826

真實世界中的數(shù)據(jù)分布總是呈現(xiàn)出長尾分布模式，即少量類別（頭部類）擁有大量數(shù)據(jù)，而大部分的類別（尾部類）僅有少量的樣本，導致模型訓練過程中出現(xiàn)嚴重的偏差，使得長尾分布下的特征學習格外困難。

本次分享將重點介紹 CVPR 2020上的一篇論文“Deep Representation Learning on Long-tailed Data: A Learnable Embedding Augmentation Perspective”。本文提出了“feature cloud”的概念，在模型訓練過程中，為每一個尾部數(shù)據(jù)構建“feature cloud”，就像電子云填充空曠的原子一樣，將一個真實的尾部特征表示為一簇特征，以此實現(xiàn)對尾部數(shù)據(jù)的data augmentation。方法簡潔、高效，避免了像GAN這樣復雜的操作。

另外，“feature cloud”在實際的大規(guī)模呈現(xiàn)長尾分布的業(yè)務數(shù)據(jù)上取得了顯著的性能提升。

分享提綱：

1、計算機視覺任務中數(shù)據(jù)呈現(xiàn)長尾分布帶來的問題。

2、“為尾部樣本構造特征云”CVPR2020論文講解。

3、長尾分布問題最近研究進展介紹。

 

主講嘉賓：

如何觀看直播？

直播地址：https://mooc.yanxishe.com/open/course/809

或者掃描下方海報二維碼

掃碼關注[ AI研習社頂會小助手] 微信號，發(fā)送關鍵字“ CVPR ”，即可進群獲取直播課程資料。       

雷峰網(wǎng)版權文章，未經(jīng)授權禁止轉載。詳情見轉載須知。