直播丨研究进展：AutoAssign，目标检测中完全动态的正负样本标签分配方法

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。

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

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

参与方式

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????