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