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 ………………………………