经过7月25日的第一讲生成式对抗网络GAN公开课，以及8月20日的第二讲无监督学习公开课后，9月11日13点，NVIDIA研究院系列第三讲——弱监督学习公开课，将开讲。

基于视觉的场景理解是计算机视觉领域的研究热点之一，是在环境感知的基础上，通过视觉分析和图像处理和识别等技术实现对场景的有效分析、认知和表达的过程。在现实的世界中，场景是不断变化的，场景中的元素也是不断变化的，而不断变化的事物对于机器而言，显然是很难进行理解的。

在深度学习时代，有监督的深度学习模型在视觉场景理解中虽然拥有很好的效果，但依赖于大量的标准数据，然而数据本身的标注成本是极高的。比如在PASCAL VOC数据集中，需要十余名工人来标注27374个边界框，而对于ImageNet甚至需要25000名人员对上千万张数据进行标注。

而在后深度学习时代，我们可以通过弱监督学习来实现基于视觉的场景理解。弱监督学习是研究者们面对急需解决的数据标注问题，整合了现有的主动学习、半监督学习等研究成果，提出的新概念，旨在研究通过较弱的监督信号来构建预测模型。

9月11日13点，NVIDIA研究院研究员禹之鼎将在智东西公开课主讲《如何使用弱监督学习提升视觉场景理解能力》，为你揭开弱监督学习的面纱。禹老师将从弱监督学习的研究现状、视觉场景理解所面临的挑战、如何使用弱监督学习提升视觉场景理解能力等方面，为我们系统性的分析和讲解弱监督学习，你不可错过！