在「京东AR视觉专场」前2讲中，京东零售技术与数据中心共享技术部的两位算法工程师张夏杰和史培元，分别就主题《实时手部姿态估计算法在AR手势互动中的应用》和《室内场景下的单目行人深度估计与AR应用》进行了直播讲解。

12月27日，「京东AR视觉专场」第三讲，将由京东零售技术与数据中心共享技术部实习算法工程师汪梦竹主讲，主题为《对抗无监督域适应的通道融合》。

大规模带标签的训练数据使深度神经网络能够在各种基准视觉任务中脱颖而出。但获得大量带标签的训练数据成本过高。为应对这一问题，许多人试图用迁移学习的方法来解决。然而，在这个过程中，模型性能会因为域之间的差异而降低。为了克服标注的问题，同时减少域间差异对模型性能的影响，无监督域适应逐渐走进了人们的视野。

无监督域适应的目标是减少带标签源数据和未带标签目标数据之间的域差异，并在训练过程中学习跨两个域的域不变表示。现有基于对抗学习的无监督域适应方法通过训练一个判别器，使目标域的分布在像素空间或者特征空间上进行对齐，从而使得模型的性能从源域泛化到目标域上。但这种方法忽略了域本身的特点，在具体任务上，并不能保证足够的判别性。

在本次公开课中，汪梦竹将讲解一种可互换批量归一化通道融合的对抗域适应方法。该方法是用目标域中具有较大比例因子的通道的平均值替换源域中具有较小比例因子的通道，通过这样一个简单但有效的通道融合方案可以大大增加域适应能力。大量的实验结果表明，InterBN方法显著优于当前的域适应方法，并在四个视觉基准数据集上有大幅提升。

汪梦竹是京东零售技术与数据中心共享技术部实习算法工程师，同时也是国防科技大学计算机学院并行与分布计算实验室在读博士，导师为骆志刚老师，主要研究方向为迁移学习，在ACM MM、Neural Networks、TCSVT上发表多篇文章。

本次公开课包含主讲和问答两个环节，其中主讲40分钟，问答20分钟。同时，我们还组建了技术交流群，并邀请讲师汪梦竹进群，欢迎大家申请！