3.2直播Talk | ICLR'23 上海交大 ThinkLab 博士生杨学：弱监督有向目标检测的研究

北京时间3月2日(周四)20:00，上海交通大学 ThinkLab 博士生——杨学的Talk将准时在TechBeat人工智能社区开播！

他与大家分享的主题是:“弱监督有向目标检测的研究（ICLR2023）”， 届时 将 首先阐述研究该项弱监督目标检测任务的动机，然后介绍 “ 水平 框 - 掩码 - 旋转框 ” 和 “ 水平框 - 旋转框 ” 两种设计范式，最后通过实验分析这两种范式的优 缺点并进行方法的总结与讨论。

本期直播Talk由OpenMMLab 携手将门-TechBeat社区、Readpaper、白玉兰开源共同策划举办，希望联合优质技术平台，为青年技术人提供一个分享研究成果的更大舞台。非常欢迎希望推广技术工作的伙伴们与我们联系！

Talk·信息

时间：北京时间3月2日 (周四)

内容分享：20:00-20:40

答疑环节：20:40-20:50

地点：TechBeat人工智能社区视频号

Talk·介绍

目前有向目标检测已经在遥感影像、场景文字、自动驾驶等领域得到了初步的发展，然而许多现有的目标检测数据集均是用成本更低的水平边界框进行标注的，这导致暂时无法将这些数据集直接用到有向目标检测器的训练。

为此，我们提出一种新的弱监督目标检测任务：水平边界框标注的有向目标检测。该类方法可以充分利用已有的海量水平标注的目标检测数据集，减少重新标注的成本，同时提高检测器的性能。

在本次分享中，我们将首先阐述研究该项弱监督目标检测任务的动机，然后介绍“水平 框 - 掩码 - 旋转框 ” 和 “ 水平框 - 旋转框 ” 两种设计范式，最后通过实验分析这两种范式的优 缺点并进行方法的总结与讨论。

分享提纲：

• 
  

  弱监督 有向目标检测的研究意义

  
  

• 
  

  “ 水平框 - 掩码 - 旋转框 ” 和 “ 水平框 - 旋转框 ” 两种弱 监 督范式的介绍和比较

  
  

• 针对目前主要挑战和未来可研究点的讨论

H2RBox 网络结构图

该论文试图利用海量的水平框标注的目标检测数据集来进行旋转/有向目标检测，节省数据重新标注的成本。

作者已经在ReadPaper上回答了论文十问。若想要进一步了解论文，可前往如下链接：https://readpaper.com/paper/4678475886387806209?channel=OpenMMLab

Talk·嘉宾介绍

杨学

上海交通大学 ThinkLab 博士生

杨学，上海交通大学 ThinkLab 博士生，现主要研究方向为目标检测，是 MMRotate的主要维护者之一。曾在 TPAMI，NeurIPS，ICML，ICLR， CVPR，ICCV 等顶级期刊和会议上发表多篇论文，谷歌学术引用超过 2700 次。

-The End-

如果你也想成为讲者

自荐 / 推荐

单人Talk | 团队专场 | 录播or直播 | 闭门交流

多种方式任你选择！

推荐讲者成功也有奖励哦~

关于TechBeat人工智能社区

TechBeat(www.techbeat.net)隶属于将门创投，是一个荟聚全球华人AI精英的成长社区。

我们希望为AI人才打造更专业的服务和体验，加速并陪伴其学习成长。

期待这里可以成为你学习AI前沿知识的高地，分享自己最新工作的沃土，在AI进阶之路上的升级打怪的根据地！

更多详细介绍>>