报名开启丨CVPR2020：长尾分布下的特征学习方法介绍及最新进展

CVPR 2020 系列论文解读公开课第六期，就在5月9日（本周六）20:00 整（北京时间）进行。 

AI科技评论出品

针对目前国际疫情形势越发严峻，无法现场参会进行学术交流的情况，AI科技评论组织策划了顶会系列专题活动，这其中就包括【CVPR 2020 专题】系列活动。而【CVPR 2020系列论文解读公开课】更是其中重要的组成部分，除此之外，专题还包括系列论文文字解读，会议数据分析，会议资源下载等。

本次直播为【CVPR 2020 系列论文解读公开课】第六期，此论文录用为CVPR 2020 论文《Deep Representation Learning on Long-tailed Data: A Learnable Embedding Augmentation Perspective》，我们有幸邀请到了改论文一作，来自吉林大学计算机科学与技术学院在读博士生刘家伦博士，带来关于“长尾分布下的特征学习方法介绍及最新进展”的分享。

论文地址：https://arxiv.org/abs/2002.10826

真实世界中的数据分布总是呈现出长尾分布模式，即少量类别（头部类）拥有大量数据，而大部分的类别（尾部类）仅有少量的样本，导致模型训练过程中出现严重的偏差，使得长尾分布下的特征学习格外困难。

本次分享将重点介绍 CVPR 2020上的一篇论文“Deep Representation Learning on Long-tailed Data: A Learnable Embedding Augmentation Perspective”。本文提出了“feature cloud”的概念，在模型训练过程中，为每一个尾部数据构建“feature cloud”，就像电子云填充空旷的原子一样，将一个真实的尾部特征表示为一簇特征，以此实现对尾部数据的data augmentation。方法简洁、高效，避免了像GAN这样复杂的操作。

另外，“feature cloud”在实际的大规模呈现长尾分布的业务数据上取得了显著的性能提升。

分享提纲：

1、计算机视觉任务中数据呈现长尾分布带来的问题。

2、“为尾部样本构造特征云”CVPR2020论文讲解。

3、长尾分布问题最近研究进展介绍。

主讲嘉宾：

如何观看直播？

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

或者扫描下方海报二维码

扫码关注[ AI研习社顶会小助手] 微信号，发送关键字“ CVPR ”，即可进群获取直播课程资料。