Talk預告|港大在讀博士謝恩澤&南大在讀博士王文海: Transformer在檢測和分割中的應用
本周為TechBeat人工智能社區(qū)第323期線上Talk。
北京時間7月21日(周三)晚8點，香港大學計算機系在讀博士生——謝恩澤和南京大學計算機系在讀博士生——王文海的Talk將準時在TechBeat人工智能社區(qū)開播！
他們與大家分享的主題是: “Transformer在檢測和分割中的應用”，屆時將介紹有關ViT推廣到檢測分割上的新問題和挑戰(zhàn)。
Talk·信息
主題：Transformer在檢測和分割中的應用
嘉賓：香港大學計算機系在讀博士生
謝恩澤
南京大學計算機系在讀博士生
王文海
時間：北京時間?7月21日 (周三) 20:00
地點：TechBeat人工智能社區(qū)
http://www.techbeat.net/
完整版怎么看？
掃描下方二維碼，或復制鏈接https://datayi.cn/w/4RzYLM19至瀏覽器，一鍵完成預約！上線后會在第一時間收到通知哦~
Talk·提綱
最近幾年卷積神經(jīng)網(wǎng)絡(ConvNets) 在視覺領域取得了巨大的成功，并且在幾乎所有視覺任務上成為了一個通用的主干網(wǎng)絡，但是如何進一步提高視覺任務的特征提取能力始終是一個open problem。
Transformer作為一個特征提取網(wǎng)絡，最近兩年在自然語言處理(NLP)領域取得了巨大的成功，最近有些工作開始嘗試將Transformer從NLP領域引入視覺領域。其中最經(jīng)典的工作應該是google的Vision Transformer(ViT)。ViT使用純Transformer結構在圖像分類上取得了不錯的結果，但是它并不太適合大部分CV任務，如檢測分割等。如何將ViT推廣到檢測分割上有很多新的問題和挑戰(zhàn)。
這次的分享內容主要分為兩個部分：
（1）基于Transformer的主干網(wǎng)絡；
（2）基于Transformer的語義分割模型。
其中第一部分主要介紹如何設計一個適用于物體檢測和語義分割基于Transformer的主干網(wǎng)絡，第二部分主要分享如何設計一個基于Transformer的語義分割模型，并討論該模型和基于CNN的語義分割模型的不同之處。
Talk·參考資料
這是本次分享中將會提及的資料，建議提前預習哦！
[1]?Paper
https://arxiv.org/abs/2102.12122https://arxiv.org/abs/2106.13797Code:https://github.com/whai362/PVT/
[2] SegFormerPaper:
https://arxiv.org/abs/2105.15203Code:https://github.com/NVlabs/SegFormer
Talk·提問交流
通過以下兩種方式提問都將獲得微信現(xiàn)金紅包獎勵哦！
方式 ①
在Talk界面下的【交流區(qū)】參與互動！留下你的打call??和問題??，和更多小伙伴們共同討論，被講者直接翻牌解答！
你的每一次貢獻，我們都會給予你相應的i豆積分，還會有驚喜獎勵哦！
方式 ②
在本文留言區(qū)直接提出你的問題，或掃描下方二維碼提問！
Talk·嘉賓介紹
香港大學計算機系在讀博士生
謝恩澤, 香港大學計算機系二年級博士，導師為羅平教授，研究方向為自監(jiān)督學習，物體檢測分割等。目前在NVIDIA實習并研究自動駕駛中的3D感知問題。以第一作者在TPAMI/CVPR/ECCV/AAAI等頂級期刊和會議上發(fā)表過多篇論文，代表作Polar Mask被選為CVPR 2020十大最具影響力論文。曾在國際競賽Google OpenImages 2019和ICDAR 2019中取得冠軍。Google scholar citation 680+。
個人主頁：
https://xieenze.github.io/
南京大學計算機系在讀博士生
王文海，南京大學博士生。近期的研究方向包含物體檢測、實例分割、文字檢測和識別等。曾在TPAMI/NeurIPS/CVPR/ICCV/ECCV等頂級期刊和會議上發(fā)表過10余篇論文。在NAIC 2021和ICDAR 2019等學術競賽上取得冠軍。目前Google Scholar引用量為1000+。
個人主頁：
http://whai362.github.io/
關于TechBeat人工智能社區(qū)
TechBeat (www.techbeat.net) 是一個薈聚全球華人AI精英的成長社區(qū)。 我們希望為AI人才打造更專業(yè)的服務和體驗，加速并陪伴其學習成長。 期待這里可以成為你學習AI前沿知識的高地，分享自己最新工作的沃土，在AI進階之路上的升級打怪的根據(jù)地！
更多詳細介紹>>https://mp.weixin.qq.com/s/pTbCK_MeTk05jK2yx1RTrQ
