VALSE 2021

第一次参加学术会议，记录一下在杭州的收获、和点滴。

不积小流无以成江海。

时间：10.08

如何突破机器学习的先验假设

来自徐宗本院士

徐院士主要介绍了机器学习在使用是的五个先觉条件，这也是限制机器学习的五个方面的假设。在研究机器学习、深度学习的任务中时，可从这五个方面着手，科学地（数学地）进行研究设计。

这五个先觉条件，个人认为是机器学习算法设计的五个方面（损失函数、模型结构/正则项涉及、数据分布、收敛性）。在数学的层面对其分析，对研究会更有帮助。

Independence Hypothesis （独立假设）
Large Capacity/Regularizer hypothesis（大容量假设/正则项假设）
Completeness Hypothesis（训练数据完备性假设）
Euclidean Hypothesis（欧式空间假设）

CSDN上有完整的报告内容

参考文献：

时间：10.08

动态神经网络综述

来自黄高老师

动态网络最新综述：Dynamic Neural Networks: A Survey [文献地址]

时间：10.08

AI赋能高分遥感目标检测与识别：挑战、对策及展望

来自韩军伟（西北工业大学）

1.旋转不变形

Cheng G, Zhou P, Han J. Learning rotation-invariant convolutional neural networks for object detection in VHR optical remote sensing images[J]. IEEE Transactions on Geoscience and Remote Sensing, 2016, 54(12): 7405-7415.

Cheng G, Han J, Zhou P, et al. Learning rotation-invariant and fisher discriminative convolutional neural networks for object detection[J]. IEEE Transactions on Image Processing, 2018, 28(1): 265-278.

2.有向目标检测

Xie X, Cheng G, Wang J, et al. Oriented R-CNN for Object Detection[C]//Proceedings of the IEEE/CVF International Conference on Computer Vision. 2021: 3520-3529.

Cheng G, Wang J, Li K, et al. Anchor-free Oriented Proposal Generator for Object Detection[J]. arXiv preprint arXiv:2110.01931, 2021.

3.弱监督学习

4.小样本

Cheng G, Cai L, Lang C, et al. SPNet: Siamese-Prototype Network for Few-Shot Remote Sensing Image Scene Classification[J]. IEEE Transactions on Geoscience and Remote Sensing, 2021.

5.细粒度

Han J, Yao X, Cheng G, et al. P-CNN: Part-based convolutional neural networks for fine-grained visual categorization[J]. IEEE transactions on pattern analysis and machine intelligence, 2019.

6.研究背景及展望

快速、轻量、大幅度画面
弱小目标检测
域自适应

时间：10.09

模式识别：从分类到理解

来自刘成林（中国科学院自动化研究所）

时间：10.09

视频理解

来自杨易（浙江大学）

具体不是很懂

不过发现Transformer在视频领域也得到了应用。

Arnab A, Dehghani M, Heigold G, et al. Vivit: A video vision transformer[J]. arXiv preprint arXiv:2103.15691, 2021.

时间：10.09

分布外(Out-Of-Distribution)泛化

崔鹏（清华大学）

Shen Z, Liu J, He Y, et al. Towards Out-Of-Distribution Generalization: A Survey[J]. arXiv preprint arXiv:2108.13624, 2021.[PPT]

此外崔老师还做了一个因果推断的Tutorial[PPT]

时间：10.09

对抗视觉生成与合成年度进展概述

来自谭明奎（华南理工大学）

关于GAN的发展历程

Pixel2style2pixel

Richardson E, Alaluf Y, Patashnik O, et al. Encoding in style: a stylegan encoder for image-to-image translation[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2021: 2287-2296.