還記得去年的「騰訊優(yōu)圖專場」嗎？智東西公開課邀請到瑋劍、太平和棟豪三位騰訊優(yōu)圖實驗室的算法大牛，分別圍繞3D人臉重建、人臉安全和時序動作分析等技術(shù)領(lǐng)域進行了直播講解。三講觀看人次累計超過9000人次。
今年7月，智東西公開課教研團隊全新策劃「大廠講壇」，將邀請國內(nèi)科技/互聯(lián)網(wǎng)大廠開設專區(qū)，圍繞最新研究成果、核心技術(shù)、業(yè)務創(chuàng)新，持續(xù)帶來多場直播講解。騰訊優(yōu)圖實驗室專區(qū)則是此次「大廠講壇」的第一個系列性講解，由AI技術(shù)教研組出品。目前，騰訊優(yōu)圖實驗室專區(qū)進展喜人，已經(jīng)確定下來六講，將圍繞優(yōu)圖實驗室在弱監(jiān)督目標定位、圖文多模態(tài)、TNN、高效模型、3D人臉、人臉隱私訓練及開源項目Tface這六個領(lǐng)域的重要研究成果進行講解和交流。
7月19日晚7點，騰訊優(yōu)圖實驗室高級研究員興甲老師將以《弱監(jiān)督目標定位的研究及應用》為題，率先帶來「大廠講壇」騰訊優(yōu)圖實驗室專區(qū)第1講的直播講解。
基于全監(jiān)督的目標檢測方法需要耗費較大的標注成本，對于任務更新以及遷移極其不友好。而近年來相關(guān)研究者試圖從弱監(jiān)督學習方面突破標注數(shù)據(jù)的限制，為目標檢測尋找一種更加高效、低廉的解決框架。
但自2014年MIT提出的類別響應圖CAM，大多數(shù)的弱監(jiān)督目標檢測方法均從空間正則約束方面著手，雖然也提出了一系列方法提高網(wǎng)絡的響應區(qū)域，使其能夠覆蓋目標的更多區(qū)域，但是這些工作均忽略了目標的結(jié)構(gòu)信息，導致定位的準確度較低。
而在本次的課程中，興甲老師首先會對弱監(jiān)督目標定位在近幾年已有的工作進行簡單的介紹總結(jié)，包括CAM、ACoL,、DANet,、Rethinking CAM等10篇工作，之后詳解優(yōu)圖實驗室在弱監(jiān)督目標定位方面的工作，包括：
（1）發(fā)表在CVPR 2021的工作：保持目標的結(jié)構(gòu)是提高目標定位精度的關(guān)鍵。首先設計了受限激活模塊緩解模型的結(jié)構(gòu)信息彌失的問題，之后重新定義了高階相似性的概念并基于此提出了自相關(guān)圖生成模塊用以挖掘目標結(jié)構(gòu)信息，顯著提高了目標定位精度。
（2）投稿到ICCV 2021的工作：基于Transformer的弱監(jiān)督目標定位方法。挖掘目標的結(jié)構(gòu)信息，關(guān)鍵在于提取長距離的特征相似性。相比卷積網(wǎng)絡有限的感受野，Transformer網(wǎng)絡中Self-attention機制保證網(wǎng)絡具有全局感受野，并且因此可以獲取長距離特征依賴?；诖?，提出了一種基于Transformer的弱監(jiān)督目標定位方法，通過耦合類別感知圖與類別不可知的注意圖，得到最終的定位結(jié)果，在各個數(shù)據(jù)集上也取得了很好的效果。
最后，興甲老師也將講解一下弱監(jiān)督目標定位在圖像內(nèi)容審核上的簡單應用，主要包括基于混合監(jiān)督的目標檢測方法，以及基于全局+局部特征的圖像檢索應用等。
興甲目前是騰訊優(yōu)圖實驗室高級研究員，主要研究領(lǐng)域為目標檢測與圖像檢索，包括通用目標檢測、旋轉(zhuǎn)目標檢測、弱監(jiān)督/半監(jiān)督目標檢測以及圖像檢索等，負責圖像內(nèi)容審核領(lǐng)域的版權(quán)l(xiāng)ogo識別、同圖檢索等相關(guān)任務。他曾在CVPR、TIP、TVCG等國際頂級會議、期刊發(fā)表論文6篇，帶隊獲得了ECCV2018 MVD 實例分割比賽冠軍。
我們的課程將在智東西公開課知識店鋪上以視頻直播的形式進行，包含主講和問答兩個環(huán)節(jié)。主講環(huán)節(jié)40分鐘，問答環(huán)節(jié)20分鐘，每個環(huán)節(jié)主講老師都將通過視頻直播的形式進行實時講解與解答。
其他更多「大廠講壇」騰訊優(yōu)圖實驗室專區(qū)的課程信息我們也將陸續(xù)揭曉，大家敬請期待！
