直播预告：淘宝因果表征学习与模型泛化实践

Posted 2022-11-06 阿里巴巴淘系技术团队官网博客

直播预约

10月19日，19:00-20:30，大淘宝技术与DataFun联合策划了本次活动，邀请大淘宝技术两位算法工程师就因果表征学习和模型泛化相关主题进行深度分享与交流，欢迎大家按时收看直播~

视辰 大淘宝技术 高级算法专家

个人介绍：大淘宝技术，视觉基础算法，主要负责直播、点淘、首猜、逛逛和中台的内容分类标签与内容负向治理。

演讲主题：无偏数据增强：因果表征学习与因子可控生成的协同

内容简介：

小样本细粒度的图像分类问题是各个业务场景中的常见问题，比如商品的多级类目识别、妆容的不同风格划分等。此类业务场景中，通常只能获得粗粒度的大类分类标注数据，而细粒度的样本和标注则由于收集和标注难度难以获得。数据增强方法是解决小样本细粒度识别问题的有效途径之一，但传统数据增强方法大多是在图像或特征空间进行的，无法做到因子级别的数据增强和样本对比，也难以保证扩展样本的安全性和有效性。因此，本文通过巧妙地融合前沿的图像生成与表征方法，基于因果学习的机器学习新范式，从少量细粒度标注样本中进行生成因子无偏分布的样本自动扩展，在与10个SOTA的数据增强方法、3个SOTA的细粒度分类方法相比，能够在多个小样本细粒度分类任务上提升10%以上的识别精度。

演讲提纲：

1. 研发动机：细粒度识别问题的业务痛点与技术趋势；

2. 观察发现：从因果学习的角度来看细粒度识别问题与数据增强技术；

3. 解法创新：因子级无偏数据增强；

4. 未来工作：融合多模态预训练的属性可控数据增强。

听众收益：

1. 深入浅出介绍因果表征学习的机器学习新范式；

2. 从因果表征学习的视角，rethinking 分类算法与数据增强；

3. 从因果表征学习的视角，展望图文预训练表征学习与因子可控生成两大前沿技术的融合未来。

杨璨乾 阿里巴巴 大淘宝技术 实习算法工程师

个人介绍：上海交通大学本硕，阿里巴巴集团-大淘宝技术研究型实习生。研究方向是基于传统算法和深度学习的图像增强技术，包括色彩增强、超分辨率重建、去噪等方向。担任过 IEEE-TCSVT 等会议期刊审稿人。在 CVPR，ECCV，AAAI 等计算机视觉和深度学习顶会上发表论文7篇；其中第一作者论文2篇，为淘宝实习期间产出。

演讲主题：基于级联查找表的实时色彩增强方法

演讲提纲：

1. 背景介绍：色彩增强的定义与意义

2. 相关方法：传统查找表方法与动态神经网络方法的结合

3. 工作动机：单一类型查找表的优势与局限

4. 核心思路：动态、自适应地为不同输入图像生成级联的一维和三维查找表，用于进行色彩变换

5. 方法实现：模块设计和高效计算实现

6. 结果展望：公开数据集结果和应用场景展望

听众收益：

1. 如何看待追求单一模型泛化能力的大趋势？

2. 分治设计的好处是什么？

3. 怎么进一步压榨查找表的性能？