【ICCV 小样本学习资料】Learning with Limited Labels
source link: https://zhuanlan.zhihu.com/p/266243753
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
ICCV 2019公开了关于小样本学习FSL在视觉上Tutorial《 ICCV Tutorial – Learning with Limited Labels 》。目前官方一共公开五个报告，报告分别来自IBM Research、Georgia tech、Google Brain、Dartmouth College &Facebook AI Research。尽管时间过去一年，看后仍觉得是目前为止阅读过最好的小样本学习资料之一，现分享给大家。
同时欢迎点赞+关注作者及本人的小样本学习方法(FSL)专栏，不定期更新小样本领域个人思考总结以及学习资料。
小样本学习方法(FSL) www.zhihu.com
ICCV Learning with Limited Labels摘要：
深度神经网络已经在许多计算机视觉任务中取得了显著的成功，但是目前的方法通常依赖于大量的标记训练数据来获得高性能。收集和注释这样大的训练数据集是昂贵的、耗时的，而且在许多情况下是不可行的，因为对于某些任务来说，可能只有少数几个或根本没有可用的示例。在本教程中，我们将讨论使用有限的标记数据进行视觉学习的问题。我们计划专注于解决这一问题的最新技术，包括用于少数镜头分类的元学习和度量学习方法、基于幻觉的样本合成技术、领域自适应的最新方法以及在计算机视觉任务（如视频理解）中的应用，对象检测和实例分割。组织者将分享他们在这个主题上的丰富经验，并提供相关数据集和源代码等资源的链接。 五个报告内容如下，附链接。
一：Visual Learning with Limited Labeled Data
- 链接： https:// pan.baidu.com/s/1Yds7fS PQIKfjIeL948SNDQ
- 提取码：8ht4
二 ：A Tutorial on Few-Shot Learning
- 链接： https:// pan.baidu.com/s/1lUGjdM IMAtl3fjlX96PgYg
- 提取码：mor2
三：Augmentation and Synthesis for Few-Shot Learning
- 链接： https:// pan.baidu.com/s/1jZtaR_ V9Oa702Y4sX0JQ2w
- 提取码：6x4p
四：Domain Adaptation Tutorial
Part1
- 链接： https:// pan.baidu.com/s/1u9CWmf O7qUXRTWB7VGJ1vA
- 提取码：omzi
Part2
链接： https:// pan.baidu.com/s/1JjeDGi ZjzL6wOqH9ShVG0w
提取码：ckc8
五：Video Understanding with Limited Labeled Data
- 链接： https:// pan.baidu.com/s/1kWuBfa 9lbQMh_z0emE15CQ
- 提取码：nds5
欢迎各位以各种形式学习交流小样本学习相关领域内容。
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK