会议简介
在计算机视觉任务中，数据扩增是一种基于较少数据、产生大量训练样本，进而提升模型性能的有效方法。传统数据扩增方法主要借助于图像域的翻转、平移、旋转等简单变换。而本期讲者王语霖提出了一种隐式语义数据扩增算法，对样本进行更为「高级」的、「语义」层面的变换，例如改变物体的背景、颜色、视角等。
讲者介绍
王语霖，清华大学自动化系2019级直博生。导师为吴澄院士和黄高助理教授。此前于北京航空航天大学自动化学院获工学学士学位。研究兴趣为深度学习模型的高效训练和推理方法。在T-PAMI、NeurIPS、ICLR等国际一流期刊、会议上以第一作者发表学术论文。
会议题目
图像数据的隐式语义数据扩增
会议摘要
我们提出了一种隐式语义数据扩增算法：ISDA，具有如下几个突出特点：
（1）与传统数据扩增方法高度互补，有效地增进扩增多样性和进一步提升性能；
（2）巧妙地利用深度神经网络长于学习线性化表征的性质，在特征空间完成扩增过程，无需训练任何辅助生成模型（如GAN等），几乎不引入任何额外计算或时间开销；
（3）直接优化无穷扩增样本期望损失的一个上界，最终形式仅为一个全新的损失函数，简单易用，便于实现；
（4）可以广泛应用于全监督、半监督图像识别、语义分割等视觉任务，在ImageNet、Cityscapes等较大规模的数据集上效果比较明显。
论文标题：Regularizing Deep Networks with Semantic Data Augmentation
论文在线阅读：https://bbs.sffai.com/d/130
会议亮点
1、关注语义层面的数据扩增；
2、利用特征空间的性质，对深度特征进行数据扩增；
3、从期望损失的形式出发，向大家展示了数据扩增不一定是随机化的方法，亦可以体现为一个确定的形式，例如损失函数。
直播时间
2021年3月21日（周日）20:00-21:00 线上直播
关注微信公众号：人工智能前沿讲习，对话框回复“SFFAI99”，获取入群二维码
注：直播地址会分享在交流群内
SFFAI介绍
现代科学技术高度社会化，在科学理论与技术方法上更加趋向综合与统一，为了满足人工智能不同领域研究者相互交流、彼此启发的需求，我们发起了SFFAI这个公益活动。SFFAI每周举行一期线下活动，邀请一线科研人员分享、讨论人工智能各个领域的前沿思想和最新成果，使专注于各个细分领域的研究者开拓视野、触类旁通。
SFFAI目前主要关注机器学习、计算机视觉、自然语言处理等各个人工智能垂直领域及交叉领域的前沿进展，将对线下讨论的内容进行线上传播，使后来者少踩坑，也为讲者塑造个人影响力。SFFAI还在构建人工智能领域的知识森林—AI Knowledge Forest，通过汇总各位参与者贡献的领域知识，沉淀线下分享的前沿精华，使AI Knowledge Tree枝繁叶茂，为人工智能社区做出贡献，欢迎大家关注SFFAI论坛：https://bbs.sffai.com。
