在目标检测领域中，YOLO系列以其一贯以来的高速度、高精度和算子简单、易部署的特性，在工业界中得到广泛的好评和应用。

近两年来，学术界在Anchor Free和样本匹配（Label Assignment）方向上有了许多的进展和研究，但是YOLO系列依旧停留在Anchor based和手工设定样本匹配规则的方案上。因此，旷视研究院BaseDetection组基于团队在这几个方向上的积累，同时继续结合工程实践的要求，提出了YOLOX。

智源社区特邀旷视研究院BaseDetection组研究员刘松涛就相关内容作报告分享，欢迎大家交流。

本次报告分为两个部分，首先将大致梳理一下这两年学术界在Anchor Free、样本匹配方向上的发展脉络；其次将详细介绍YOLOX在这些方向上的关键改进，并分享一些实际训练和调优的经验。

主讲人：刘松涛，旷视研究院BaseDetection组研究员，本科和博士均毕业于北京航空航天大学，主要研究方向为计算机视觉中的目标检测、行人检测问题。他在CVPR、ECCV、ICCV等国际计算机视觉顶级会议中发表了近10篇文章，并获得了CVPR 自动驾驶比赛WAD 2021中Streaming Perception Challenge 双赛道冠军。代表作品包括RFBNet，AdaptiveNMS， ASFF和YOLOX等

主题：高性能目标检测的最新实践

时间：2021年8月5日（周四）19:00～20:00

形式：线上

入会方式：腾讯会议 - ID：855 380 848

B站直播：https://live.bilibili.com/21484823

---

扫描如下二维码报名活动

了解更多信息请加入「计算机视觉交流群」

---

---