BMVC 2020 Keynote 消除数据集偏见

本文向大家推荐BMVC 2020 的keynote: Mitigating Dataset Bias (消除数据集偏见)。


讲者 :Prof. Kate Saenko (来自波士顿大学、MIT-IBM 沃森AI实验室)

主要内容:

此处所指的数据偏见,为训练数据集不能反应现实应用的数据分布,导致训练的模型不具有推广性,这在计算机视觉问题中广泛存在,一个典型的例子是训练好的手写体字符识别无法识别印刷体字符。

有没有办法解决这个问题呢?业界近来出现了一些域适应方法,仅需要少量标注数据就可以帮助我们提高模型泛化性,这已经成为各大CV顶会的热门内容之一。

该Keynote对此问题进行了梳理,并介绍了最新的方法,以及能够消除数据集偏见的一些假设和暂时还不能处理的情况,相信会对你有所启发。

另外,该keynote还特别介绍了通过未标注的数据来学习更好的特征,这类自监督学习方法正越来越受到关注。

PPT下载:

在“OpenCV中文网”公众号后台回复MDB,即可收到下载链接。

转载请注明:《BMVC 2020 Keynote 消除数据集偏见