极市直播丨旷视朱本金:AutoAssign,目标检测中完全动态的正负样本标签分配方法
| 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
AutoAssign - Differentiable Label Assignment for Dense Object Detection02
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
张航|ResNeSt:拆分注意力网络
直播回放|CSIG-广东省CVPR2020论文在线学术报告
赛事集训直播 | 技术大咖带你揭秘世界人工智能创新大赛
谢恩泽|CVPR2020-PolarMask,一阶段实例分割新思路
陈昊|CVPR2020-BlendMask,高质高效的实例分割模型
邓富城&邱丹| 极市平台在线训练&英特尔®OpenVINO™加速深度学习推理
徐晨丰|ICCV2019-人群密度分析与计数(CV101榜单双料冠军方案)
李夏|ICCV2019:语义分割中的自注意力机制和低秩重建
朱政|基于孪生网络结构的SiamRPN系列目标跟踪算法
邓健康|CVPR2019:ArcFace 构建高效的人脸识别系统
张志鹏|CVPR2019:基于siamese网络的单目标跟踪
诸宸辰|CVPR2019:基于Anchor-free特征选择模块的单阶目标检测
王鑫龙|CVPR2019:联合分割点云中的实例和语义
张钊宁|算力限制下的目标检测实战及思考
小美&张德兵|分布式人脸识别及工业运用经验
高继扬|时序动作检测
孙书洋|CVPR 2018论文详解:光流导向特征在视频动作识别中的应用
邬书哲|基于卷积神经网络的鲁棒人脸检测
王蒙蒙|基于计算机视觉的目标跟踪算法概览
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~