【直播】 数据与模型存在缺陷，如何在不完美场景下进行神经网络训练？| CVPR 2020
AI 科技评论联合腾讯优图，邀请腾讯优图实验室高级研究员 Louis，将就“数据和模型缺陷情况下神经网络的有效训练方法”进行细致讲解。
本次直播分享的是华东师范大学数据科学与工程学院毛嘉莉研究组与滴滴地图与公交事业部技术团队合作完成的工作《Automatic Calibration of Road Intersection Topology using Trajectories》，该论文被ICDE 2020收录。
直播主题
ICDE 2020 | 华东师范大学×滴滴：利用轨迹数据自动校准道路交叉口拓扑信息
直播时间
4月29日（周三晚） 19:30-20:30
分享嘉宾
刘国平
2016年7月加入滴滴，地图与公交事业部资深算法工程师，毕业于浙江大学。负责基于多源大数据的路网更新方向的算法工作，研究兴趣点包括时空异常检测、轨迹模式挖掘、用户出行画像刻画、路网生成等。
以 AI 对抗 AI ：“守护者”杨勇和腾讯安平的进化
安全从业者要忍受孤独，但也会获得“众生守护者”的价值感。
分享背景
为数字道路地图的关键部分，道路交叉口是多条相互连接道路的交汇处，其几何特征和拓扑属性的精确性在移动导航和其他位置服务中起着重要作用。另一方面，GPS轨迹序列数据是用户在实际道路上的观测，蕴含了实际路网的拓扑信息。基于此，滴滴和华东师范大学数据学院创新性地提出了一种交叉路口三阶段校准算法框架-CITT。CITT首先将道路交叉口检测问题扩展为道路交叉口影响区的拓扑校准问题。与现有的道路交叉口更新方法不同，该方法不仅确定道路交叉口核心区的中心位置和覆盖范围，同时挖掘出路口与邻接路段的转向路径，之后与现有路网进行匹配，找出整个影响区内的错误或缺失的转向模式。大量的基于滴滴实际数据和公开数据的对比实验表明，CITT方法具有很强的稳定性和鲁棒性，并且明显优于现有方法。
分享提纲
1. 交叉口拓扑校准的挑战与难点
2. 三阶段拓扑校准框架CITT介绍
3. 实验效果与展望
直播链接
https://mooc.yanxishe.com/open/course/810
风情信息版权文章，未经授权禁止转载。详情见转载须知。
华人计算机视觉宗师，Thomas S.Huang（黄煦涛）先生去世！
沉痛哀悼！
