自监督的表征学习领域近几个月来获得了显著的突破，特别是随着Rotation Prediction, DeepCluster, MoCo, SimCLR, BYOL等简单有效的方法的诞生，大有超越有监督表征学习的趋势。然而，相信做这个领域的研究者都深有感触：1）自监督任务复杂而多样，不同方法各有各的专用训练代码，难以结合、复用和改进；2）评价方案不统一，不同的方法难以在公平环境下对比；3）动辄百万千万的训练数据量，训练效率是个大问题。

针对这些问题，香港中文大学多媒体实验室和南洋理工大学开源了一套统一的自监督学习代码库：OpenSelfSup。它具有统一的代码框架、灵活的模块化设计、高效的分布式训练、标准化的评测方案等特点，而且非常容易上手，让每个人都能够快速地实现和评测自己的idea。

为了让大家更好的理解与使用OpenSelfSup，11月25日晚8点，算法库开源讲座第一讲上线。由香港中文大学MMLab博士詹晓航主讲，主题为《自监督学习算法库OpenSelfSup解析与开发实践》。

在本次的讲座中，詹晓航博士将从OpenSelfSup的背景，即自监督学习的研究背景出发，全面讲解开源算法库OpenSelfSup的框架组成，最后也将会向大家展示如何使用OpenSelfSup，并利用其复现由DeepMind推出的自监督新做BYOL。对自监督感兴趣的朋友千万不要错过。

詹晓航，本科毕业于清华大学，博士毕业于香港中文大学多媒体实验室，指导老师是Chen Change Loy、林达华和汤晓鸥教授。他曾在CVPR、ECCV等计算机视觉顶级会议上发表论文十余篇，包括五篇第一作者论文，另外曾获国家奖学金、清华大学本科优秀毕业生、Hong Kong PhD Fellowship、Facebook自监督学习挑战赛冠军等荣誉。他在博士期间主要研究方向为无监督学习，具体工作涵盖人脸聚类、自监督场景理解、无监督表征学习等。