CVPR2019元学习教程：小样本学习、多任务学习、神经架构搜索、贝叶斯优化等前沿综述

这篇本来是从网上专知那里找的，可是被删了……实在可惜，因此转载至此。下面的4个PPT非常棒，是大牛们对这个行业的综述以及前景预测。

————————————————————————分割线—————————————————————————

导读

计算机视觉最具影响力的学术会议之一的 IEEE CVPR 在2019 年 6 月 16 日 在美国加州的长滩市召开举行。来自Salesforce Research的Nikhil Naik和Nitish Keskar, Google的Chelsea Finn, University of Freiburg 的Frank Hutter, Salesforce Research的Richard Socher, MIT的Ramesh Raskar等人一起分享了各自在元学习上的工作和见解，介绍一系列涵盖元学习中的几个重要主题，包括少样本学习、多任务学习和神经框架搜索，以及它们的基本构件块：强化学习、进化算法、优化和基于梯度的学习等。

 

Meta-Learning for Computer Vision

讲者：Nikhil Naik, Nitish Keskar, Chelsea Finn, Frank Hutter, Richard Socher, Ramesh Raskar

摘要：近年来，人们对元学习算法的兴趣激增: 优化学习算法性能的算法，设计基于数据的神经网络等学习功能的算法，以及发现任务之间关系的算法，以实现对新任务的快速学习。这代表了人工智能的下一个重大转变，从学习决策函数和学习表示，到学习这些学习表示和决策函数的算法。

本教程将涵盖元学习中的几个重要主题，包括少样本学习、多任务学习和神经框架搜索，以及它们的基本构件块：强化学习、进化算法、优化和基于梯度的学习。我们还将讨论它们在计算机视觉的一系列问题中的应用。

链接：https://metalearning-cvpr2019.github.io/

 

Few-shot meta-learning

讲者：Chelsea Finn

主页：http://people.eecs.berkeley.edu/~cbfinn/

PPT：https://metalearning-cvpr2019.github.io/assets/CVPR_2019_Metalearning_Tutorial_Chelsea_Finn.pdf

 

Multi-task learning and meta-learning

讲者：Nitish Keskar

主页：https://keskarnitish.github.io/

PPT：https://metalearning-cvpr2019.github.io/assets/CVPR_2019_Metalearning_Tutorial_Chelsea_Finn.pdf

 

Neural architecture search

讲者：Nikhil Naik

主页：http://mit.edu/naik

PPT：https://metalearning-cvpr2019.github.io/assets/CVPR_2019_Metalearning_Tutorial_Nikhil_Naik.pdf

 

Bayesian optimization and meta-learning

讲者：Frank Hutter

主页：http://aad.informatik.uni-freiburg.de/people/hutter/

PPT：https://metalearning-cvpr2019.github.io/assets/CVPR_2019_Metalearning_Tutorial_Frank_Hutter.pdf