干货！端到端的目标检测器——香港大学PhD孙培泽

点击蓝字

关注我们

AI TIME欢迎每一位AI爱好者的加入！

最近提出的DETR目标检测器在检测流程的最后一个不可微分部分、NMS（非极大值抑制）以及建立一个端到端的目标检测器方面都取得了很大的进步。然而，DETR的缺点是降低训练过程的收敛速度和小目标检测效果不佳，其主要原因是每个检测目标都需要对全图特征进行交互。本文提出了一种每个目标只对局部特征进行交互的Sparse R-CNN，其各个尺度检测精度和训练收敛表现在现有典型目标检测器发挥优秀。

本期AI TIME PhD直播间邀请到了香港大学博士生孙泽培，带来分享——《基于图结构学习的归纳式协同过滤》。

香港大学二年级博士生，导师为罗平副教授。主要研究方向是目标检测、分割、跟踪等，曾在CVPR、ICML、ICCV等国际会议发表论文多篇。

01

 背  景 

目标检测的目的是在图像中对一组目标进行定位并识别它们的类别，而稠密先验（dense prior）一直是检测器成功的基础。目标检测主流的两大类方法包括一阶段的D