當?shù)貢r間 10 月 22 日，兩年一度的計算機視覺國際頂級會議 International Conference on Computer Vision（ICCV 2017）在意大利威尼斯開幕。今日，大會公布了本屆 ICCV 的獲獎論文，Facebook AI 研究員何愷明獲得最佳論文獎，同時是最佳學生論文的作者之一。算上此前在 CVPR 2009、CVPR 2016 上的兩篇「最佳論文」，何愷明現(xiàn)在已獲得了四個最佳論文稱號。

國際計算機視覺大會（ICCV）全稱是 IEEE International Conference on Computer Vision，由 IEEE 主辦，與計算機視覺模式識別會議（CVPR）和歐洲計算機視覺會議（ECCV）并稱計算機視覺方向的三大頂級會議。但不同于 CVPR 與 ECCV，ICCV 在世界范圍內(nèi)每兩年召開一次。本屆 ICCV 會議在意大利城市威尼斯舉辦。

據(jù)統(tǒng)計，本屆 ICCV 共收到 2143 篇論文投稿，其中 621 篇被選為大會論文，錄用比例 29%。其中有 45 篇口頭報告（Oral）和 56 篇亮點報告（Spotlight）。大會公開的信息顯示，本屆共有 3107名參會者。

今天上午，ICCV 2017 公布了本屆大會獲獎論文。Facebook 人工智能實驗室何愷明等人論文《Mask R-CNN》獲得最佳論文、Facebook 論文《Focal Loss for Dense Object Detection》獲得最佳學生論文獎。

同時，大會還公布了終身成就獎、杰出研究獎、Everingham 團隊獎等獎項。值得一提的是，Facebook 賈揚清帶領(lǐng)的 Caffe 團隊獲得了 Everingham Prize。該獎項是授予那些對計算機視覺社區(qū)作出無私貢獻的研究團隊或研究員。

以下，機器之心將對此屆獲獎論文進行摘要介紹。

最佳論文（Marr Prize）

論文《Mask R-CNN》，第一作者何愷明。（參見?學界 | Facebook 新論文提出通用目標分割框架 Mask R-CNN：更簡單更靈活表現(xiàn)更好）

論文鏈接：https://arxiv.org/abs/1703.06870

我們提出了一個概念上簡單、靈活和通用的用于目標實例分割（object instance segmentation）的框架。我們的方法能夠有效地檢測圖像中的目標，同時還能為每個實例生成一個高質(zhì)量的分割掩碼（segmentation mask）。這個方面被稱為 Mask R-CNN，是在 Faster R-CNN 上的擴展——在其已有的用于邊界框識別的分支上添加了一個并行的用于預測目標掩碼的分支。Mask R-CNN 的訓練很簡單，僅比 Faster R-CNN 多一點計算開銷，運行速度為 5 fps。此外，Mask R-CNN 可以很容易泛化到其它任務，比如，讓我們可以在同一個框架中估計人類的姿態(tài)。我們在 COCO 難題套件的所有 3 種任務（track）上都得到了最佳結(jié)果，其中包括實例分割、邊界框目標檢測和人物關(guān)鍵點檢測（person keypoint detection）。沒有使用其它的技巧，Mask R-CNN 的表現(xiàn)超越了在每個任務上所有已有的單個模型，包括 COCO 2016 挑戰(zhàn)賽的獲勝模型。我們希望我們的簡單又有效的方法能成為一個堅實的基礎(chǔ)，能幫助簡化實例層面識別的未來研究。我們將會公開相關(guān)代碼。

最佳學生論文

最佳學生論文的第一作者 Tsung-Yi Lin 博士畢業(yè)于康乃爾大學紐約理工學院，這是他在 Facebook 工作時進行的研究。Tsung-Yi Lin 最著名的工作是他在微軟期間提出的 Coco 數(shù)據(jù)集（論文：《Microsoft coco: Common objects in context》）。目前，Lin 加入了 Google Brain 任研究科學家。

論文《Focal Loss for Dense Object Detection》

目前準確度最高的物體檢測器是基于 R-CNN 影響的兩步方法，其中一個分類器被用于處理稀疏的候選目標位置集合。相比之下，一步檢測器可以應用在密集候選目標位置的檢測中，具有更快捷、更簡便的潛力，但此前一直沒有匹配兩步檢測器的準確度。

在本論文中，我們探究了這種情況的原因。我們發(fā)現(xiàn)，在訓練密集檢測器時，極度前端-后端類不平衡是問題的主要原因。我們提出通過重塑標準交叉熵損失來解決這一類不平衡，以降低分配給分類范例的損失。我們提出的全新 Focal Loss 方法集中于稀疏、困難的樣例中的訓練，避免了訓練過程中可能出現(xiàn)的大量負面因素。為了評估新?lián)p失函數(shù)的有效性，我們設(shè)計和訓練一個簡單的密度檢測器——RetinaNet。我們的研究結(jié)果表明，當使用 Focal Loss 進行訓練時，RetinaNet 可以達到此前一步檢測器的速度，同時準確性高于業(yè)內(nèi)最佳的兩步檢測器。

除了最佳論文與最佳學生論文，大會還公布了 Honorable Mentions、終身成就獎、杰出研究獎、Everingham Prize、Helmholtz 經(jīng)典論文獎這些獎項的獲獎論文與個人，分別如下：

Honorable Mentions

• 論文：First-Person Activity Forecasting with Online Inverse Reinforcement Learning
• 作者：N. Rhinehart, K. Kitani（卡耐基梅隆大學）
• 地址：https://arxiv.org/abs/1612.07796

• 論文：Open Set Domain Adaptation
• 作者：Pau Panareda Busto、Juergen Gall
• 地址：http://pages.iai.uni-bonn.de/gall_juergen/download/jgall_opensetdomain_iccv17.pdf

• 論文：Globally-Optimal Inlier Set Maximisation for Simultaneous Camera Pose and Feature Correspondence
• 作者：Dylan Campbell、Lars Petersson、Laurent Kneip、Hongdong Li
• 地址：http://users.cecs.anu.edu.au/~hongdong/ICCV_17_2218.pdf

終身成就獎

本屆 ICCV 的終身成就獎授予 MIT 教授 Tomaso Poggio。Tomaso Poggio 是麻省理工學院人工智能實驗室腦與認知科學系的尤金?麥克德莫特講座教授，同時也是該院生物和計算機學習中心的聯(lián)席主任，同時也是 MIT 計算機科學與人工智能實驗室（CSAIL）成員。Poggio 于 1981 年開始在麻省理工學院任教，此前他曾在德國圖賓根馬克思普朗克研究所的生物控制論研究室工作過十年時間。1970 年，他獲得熱那亞大學的博士學位。Poggio 是意大利科學院的外籍院士，也是美國藝術(shù)與科學研究院的研究員。

杰出研究獎

杰出研究獎（Distinguished Researcher Award）授予 ETH Zentrum 教授 Luc Van Gool 與 Facebook 研究科學家、計算攝影學團隊創(chuàng)始人 Richard Szeliski。

Everingham 團隊獎

該獎項主要是為了獎勵那些對計算機視覺社區(qū)作出無私貢獻的研究團隊或研究員。ICCV 2017 的 Everingham Prize 授予賈揚清領(lǐng)銜的 Caffe 團隊，以及 ICVSS 組織者團隊。

Helmholtz 經(jīng)典論文獎

該獎項主要由 ICCV 的 PAMITC 委員會每年表彰十年前對計算機視覺研究有重大影響的 ICCV 論文。

總結(jié)

以上是生活随笔為你收集整理的ICCV 2017奖项公布：最大赢家何恺明获最佳论文，参与最佳学生论文的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。