文章图片
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。
在本次分享中，极市平台邀请到旷视研究院BaseDetection组研究员朱本金，为大家介绍其团队最新相关研究成果：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。
文章图片
论文链接：https://arxiv.org/pdf/2007.03496.pdf
直播信息
时间：2020年8月5日 （周三）20:00~21:00
直播地址：http://live.bilibili.com/3344545
嘉宾介绍
朱本金/旷视研究院BaseDetection组研究员
朱本金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。
分享大纲
主题：AutoAssign - 目标检测中完全动态的正负样本标签分配方法
【人工智能|直播丨 52.1 mAP！AutoAssign（最强一阶段目标检测器）】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
入群交流
欢迎加入旷视物体检测技术交流群
文章图片
或添加helloworld0079回复“物体检测”入群
参与方式
文章图片
传送门
实习生简历投通道请点击→这里
欢迎大家关注如下 旷视研究院 官方微信号????
文章图片
推荐阅读
- 人脸识别|【人脸识别系列】| 实现自动化妆
- C语言学习|第十一届蓝桥杯省赛 大学B组 C/C++ 第一场
- paddle|动手从头实现LSTM
- pytorch|使用pytorch从头实现多层LSTM
- 人工智能|干货！人体姿态估计与运动预测
- 推荐系统论文进阶|CTR预估 论文精读(十一)--Deep Interest Evolution Network(DIEN)
- 【C】题目|【C语言】题集 of ⑥
- Python专栏|数据分析的常规流程