“15分钟看顶会”是旷视研究院全新推出的论文快速解读专栏，聚焦旷视在全球各大顶会、期刊等平台所发表的工作，覆盖深度学习、计算机视觉、视觉导航与控制、计算摄影学、大规模机器学习系统、机器人学等方向。
与传统论文视频解读动辄30min时长不同，本专栏尽可能将时间控制在15分钟左右，以方便读者在日常通勤、等待、出行等时间受限的场景下高效利用碎片化时间进行学习、交流。
欢迎大家和我们一起“深度学习”，也欢迎对这种论文解读方式提出您的宝贵建议。
本期是“15分钟看顶会”专栏 ECCV 2020 论文解读系列的第五篇，旷视研究院提出一种新型的中间监督方法——LableEnc，以提升物体检测系统的训练效果。该方案的关键创新点是引入了一个全新的标签编码函数，将ground-truth标签映射到潜在嵌入空间上，作为辅助backbone训练的中间监督信息。
- 论文题目：
LabelEnc: A New Intermediate Supervision Method for Object Detection - 论文链接：
https://arxiv.org/abs/2007.03282 - 论文代码：
https://github.com/megvii-mod... - 关键词：
物体检测、辅助监督、自编码器
本文方法主要涉及2阶段训练步骤。首先，通过一个在标签空间上定义的自编码器来优化标签编码函数，来获得物体检测器的理想中间表征。然后，利用优化后的标签编码函数，研究人员引入了一个新设计的辅助损失，连接在检测backbone上，可以提升后面检测器的性能。
在COCO的实验结果显示，本文方法具有很强的通用性，它在多种检测系统上都实现了约2%的性能提升，无论该系统是单阶段还是双阶段架构。另外，本文的辅助结构仅仅在训练过程中存在，也就是说，它完全不会影响推理阶段的开销。
专栏文章推荐
欢迎关注旷视研究院极术社区专栏，定期更新最新旷视研究院成果
加入旷视：career@megvii.com
