牛！何恺明包揽2项ICCV 2017最佳论文奖！这位高考状元告诉你什么是开挂的人生

大神终究是大神！

刚刚，AI 科技大本营获悉，继两次荣获 CVPR 最佳论文奖之后，何恺明参与的两篇最新论文又分别摘下 ICCV 2017 的最佳论文奖（Best Paper Award）和最佳学生论文（Best Student Paper Award）两项大奖。

这两篇获奖论文分别是今年 4 月发布的《Mask R-CNN》以及今年 8 月发布的《Focal Loss for Dense Object Detection》，两者都是今年发布，而且相隔仅仅 4 个月。要知道 ICCV 是计算机视觉领域顶级会议之一，且两年举办一次，而何恺明作为两篇论文的第一作者和第四作者，足以证明他的实力。

以下是AI科技大本营对这两篇获奖论文的简介：

suorce：知乎

论文简介：我们提出了一个简单、灵活和通用的对象实例分割框架。我们的方法能有效检测图像中的对象，同时为每个实例生成高质量的 segmentation mask。这种被称为 Mask R-CNN 的方法通过添加用于预测 object mask 的分支来扩展 Faster R-CNN，该分支与用于边界框识别的现有分支并行。Mask R-CNN 训练简单，只需在以 5fps 运行的 Faster R-CNN 之上增加一个较小的 overhead。此外，Mask R-CNN 很容易推广到其他任务，例如它可以允许同一个框架中进行姿态估计。我们在 COCO 系列挑战的三个轨道任务中均取得了最佳成果，包括实例分割、边界对象检测和人关键点检测。没有任何 tricks，Mask R-CNN 的表现优于所有现有的单一模型取得的成绩，包括 COCO 2016 挑战赛的冠军。

论文地址： https://arxiv.org/abs/1703.06870

suorce：知乎

论文简介：目前准确度最高的目标检测器采用的是一种常在 R-CNN 中使用的 two-stage 方法，这种方法将分类器应用于一个由候选目标位置组成的稀疏样本集。相反，one-stage 检测器则应用于一个由可能目标位置组成的规则密集样本集，而且更快更简单，但是准确度却落后于 two-stage 检测器。在本文中，我们探讨了造成这种现象的原因。

我们发现，在训练密集目标检测器的过程中出现的严重的 foreground-background 类别失衡，是造成这种现象的主要成因。我们解决这种类别失衡（class imbalance ）的方案是，重塑标准交叉熵损失，使其减少分类清晰的样本的损失的权重。Focal Loss 将训练集中在一个稀疏的困难样本集上，并防止大量简单负样本在训练的过程中淹没检测器。为了评估该损失的有效性，我们设计并训练了一个简单的密集目标检测器—RetinaNet。试验结果证明，当使用 Focal Loss训练时，RetinaNet 不仅能赶上 one-stage 检测器的检测速度，而且还在准确度上超越了当前所有最先进的 two-stage 检测器。

我们提出了一种新的损失函数 Focal Loss（焦点损失），这个损失函数在标准的交叉熵标准上添加了一个因子 (1- pt) γ 。设定 γ > 0 可以减小分类清晰的样本的相对损失(pt > .5)，使模型更加集中于困难的错误分类的样本。试验证明，在存在大量简单背景样本（background example）的情况下，我们提出的 Focal Loss 函数可以训练出准确度很高的密集对象检测器。

详见AI科技大本营文章：《何恺明团队提出 Focal Loss，目标检测精度高达39.1AP，打破现有记录》。

开挂的高考状元

实际上，这并不是何恺明大神第一次展现他开挂的能力。

2003 年，何恺明以广东省理科高考状元的身份进入清华大学。

2009 年，在 IEEE 举办的 CVPR 大会上，还在微软亚研院（MSRA）实习的何恺明的第一篇论文“Single Image Haze Removal Using Dark Channel Prior”艳惊四座，获最佳论文，这是第一次完全由中国人组成的团队获得该奖项。

2016年，何恺明所在团队的另一篇论文“Deep Residual Learning for Image Recognition”再获 CVPR 最佳论文奖。

同年 8 月，何恺明离开 MSRA，加入 FAIR（Facebook AI Research），担任科学家。

在加入 Facebook 之后，何恺明马上又成为 Faster R-CNN 和 Mask R-CNN 的主要贡献者，根本没有适应期一说。

如今，何恺明又成为 ICCV 的最佳论文得主，再一次拉开与我等普通人的差距，让人望尘莫及。

然而，这还不是最令人绝望的，看看何恺明的微博，旅游、玩游戏......统统没有落下。所以说，大神终究是大神！