| 极市线上分享 第66期 |
一直以来,为让大家更好地了解学界业界优秀的论文和工作,极市已邀请了超过80位技术大咖嘉宾,并完成了64期极市线上直播分享。往期分享请前往bbs.cvmart.net/topics/149或直接阅读原文,也欢迎各位小伙伴自荐或推荐更多多优秀的技术嘉宾到极市进行技术分享,与大家一起交流学习~~
Label Assignment主要是指检测器(object detector)在训练阶段区分正负样本,并给feature map的每个位置赋予合适的学习目标的过程。它是目标检测所必需的一个步骤,可以说label assignment的结果直接决定了模型的学习目标,进而决定了模型性能的好坏。现有的代表性方法如RetinaNet、FCOS、FreeAnchor、ATSS 等,虽然已经取得了优异的性能,但仍旧存在过于依赖人工先验和设计、不够自适应等问题。
本次分享,我们邀请到了旷视研究院研究员朱本金,为大家介绍最新相关研究成果,即AutoAssign - 目标检测中完全动态的正负样本标签分配方法。这是一种完全端到端的动态label assignment策略,克服了以往label assignment中存在的问题,实验了SOTA的性能和良好的迁移性。
论文链接:https://arxiv.org/pdf/2007.03496.pdf
01
直播信息
时间:2020年8月5日 (周三)20:00~21:00
主题
AutoAssign - 目标检测中完全动态的正负样本标签分配方法
02
嘉宾介绍
本科毕业于华南理工大学软件工程卓越班,现任旷视研究院基础检测(BaseDetection) 组研究员。Det3D作者,曾获得CVPR 2019 nuScenes 3D目标检测比赛冠军。主要研究方向为2D/3D目标检测、无监督学习等。
03
关于分享
➤分享大纲
一、Label Assignment背景及现状
1、问题定义
2、现有方法的有效性及问题
二、AutoAssign原理解析
1、Motivation
2、Prior - Center Weighting
3、Instance - Confidence Weighting
三、AutoAssign实验结果及分析
1、消融实验
2、可视化及分析
3、性能和适用性
四、总结及展望
04
参与方式
关注“极市平台”公众号,回复“66”或“朱本金”可获取免费直播链接。
05
往期回顾
在"极市平台"公众号后台回复期数或者分享嘉宾名字,即可获取极市平台对应期在线分享资料。
06
关于极市平台
觉得有用麻烦给个在看啦~