2020年终大会-计算机视觉：11-2.pdf

编号：29893

PDF 53页 4.61MB 下载积分：VIP专享

下载报告请您先登录！

2020年终大会-计算机视觉：11-2.pdf

1、胡瀚微软亚洲研究院视觉计算组 https:/ancientmooner.github.io/ 2020.12.20 DataFun年终大会计算机视觉中的自监督学习与Transformer注意力建模 2020年计算机视觉研究的三大突破自监督学习：首次超越有监督预训练 TransformerTransformer应用于主流视觉问题（物体检测）： CV和NLP在建模上有望统一用于视图合成的神经辐射场：低层视觉的突破性进展视觉中的自监督学习 Yann LeCun的“蛋糕” 一个关于蛋糕的故事（2019年图灵奖演讲） Credit by Yann LeCun 自监督学习为什么重要？婴儿就

2、是这么学到这个世界是怎么工作的 Credit by Yann LeCun Linda Smith, Michael Gasser. The Development of Embodied Cognition: Six Lessons from Babies, 2005 一个关于ImageNet的故事 AlexNet (NIPS2012) ImageNet竞赛 40% 一个关于ImageNet的故事 AlexNet 有监督有监督预训练+微调的范式（2014年）下游任务微调语义分割物体检测细粒度识别基于ImageNet图像分类的特征预训练两个故事的结合 Facebook AI Rese

3、arch MoCo 2019.11 在7个下游任务上，无监督预训练首次超越有监督预训练无监督预训练+微调自监督学习时代！能利用无限的训练数据向人类视觉靠近是如何到达这里的？ Deep Clustering Rotation Prediction Gidaris et al, ICLR2018 Caron et al, ECCV2018 Credit mostly by Andrew Zisserman Image GPT Chen et al, ICML2020 是如何到达这里的？ FAIR MoCo 2019.11 Exemplar 2014.6 德国弗莱堡大学 Memory bank 伯克利 2018.5 图片1图片2图片3 任务：训练网络去区分每一个图片在7个下游任务上，无监督预训练首次超越有监督预训练微软亚研 Deep metric transfer 2018.12

友情提示

1、下载报告失败解决办法
2、PDF文件下载后，可能会被浏览器默认打开，此种情况可以点击浏览器菜单，保存网页到桌面，就可以正常下载了。
3、本站不支持迅雷下载，请使用电脑自带的IE浏览器，或者360浏览器、谷歌浏览器下载即可。
4、本站报告下载后的文档和图纸-无水印,预览文档经过压缩，下载后原文更清晰。

本文（2020年终大会-计算机视觉：11-2.pdf）为本站（X-iao）主动上传，三个皮匠报告文库仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对上载内容本身不做任何修改或编辑。若此文所含内容侵犯了您的版权或隐私，请立即通知三个皮匠报告文库（点击联系客服），我们立即给予删除！

温馨提示：如果因为网速或其他原因下载失败请重新下载，重复下载不扣分。