- 课程回放
- 无监督及领域自适应重识别任务的研究背景
- OpenUnReID算法库的框架组成
- 开发实践1:伪标签法及域转换法baseline搭建
- 开发实践2:SoTA算法搭建之MMT(ICLR-2020)
- 开发实践3:SoTA算法搭建之SpCL(NeurIPS-2020)
在算法库开源讲座前两讲中,第一讲由香港中文大学MMLab詹晓航博士主讲,主题为《自监督学习算法库OpenSelfSup解析与开发实践》。第二讲由香港中文大学在读博士史少帅主讲,主题为《点云3D目标检测算法库OpenPCDet解析与开发实践》。12月4日晚8点,算法库开源讲座第三讲上线,由香港中文大学在读博士葛艺潇主讲,主题为《无监督重识别算法库OpenUnReID解析与开发实践 》。
近年来,在无监督学习的浪潮下,无监督及领域自适应的目标重识别任务也受到了大家的关注。
目标重识别(Object Re-identification),包括行人重识别、车辆重识别等,旨在跨摄像机检索和追踪目标任务或车辆。其关键在于学习具有辨识性的行人或车辆特征,并在多样的条件变化下保持鲁棒性。然而领域差异及标注数据的高消耗等限制了目标识别算法在实际应用场景下的部署。无监督的目标重识别(Unsupervised Object Re-identification)和领域自适应的目标重识别(Domain Adaptive Object Re-identification)任务被提出以应对无监督及半监督下的重识别问题。
香港中文大学多媒体实验室开源的一套基于PyTorch的代码库-OpenUnReID,它既可以用于无监督的重识别任务,也可以用于领域自适应的无监督重识别任务,为基于伪标签和域转换的框架提供了强大的baseline,高度重构了多种最先进算法,并实现了性能上的进一步突破。
在算法库开源讲座第三讲中,葛艺潇博士将会从无监督及领域自适应重识别任务的研究背景出发,全面解析无监督识别算法库OpenUnReID的框架组成,同时也会基于OpenUnReID实现伪标签法及域转换法baseline搭建,以及SoTA算法MMT(ICLR-2020)和SpCL(NeurIPS-2020)。
葛艺潇是香港中文大学多媒体实验室的在读博士,师从李鸿升教授与王晓刚教授,本科毕业于华中科技大学自动化学院。她目前主要研究方向为计算机视觉中的表征学习,包括无监督学习、解耦学习、领域自适应学习等,及其在图像检索、图像生成上的应用,以第一作者身份在NeurIPS、ICLR、ECCV等会议中发表多篇论文。