新智元推荐
来源:专知
Ross Girshick是Facebook人工智能研究院(FAIR)的一名研究科学家,致力于计算机视觉和机器学习的研究。2012年,他在Pedro Felzenszwalb的指导下获得了芝加哥大学的计算机科学博士学位。加入FAIR之前,Ross曾在微软研究院(Microsoft Research)、雷德蒙(Redmond)和加州大学伯克利分校(University of California, Berkeley)做研究员,并得到了Jitendra Malik和Trevor Darrell的建议。他的兴趣包括实例级别的对象理解和将自然语言处理与计算机视觉相结合的视觉推理挑战。他获得了2017年PAMI青年研究员奖,并以开发R-CNN(基于区域的卷积神经网络)方法来检测对象而闻名。2017年,Ross还凭借《Mask R-CNN》与何恺明齐获在ICCV获得马尔奖。
个人主页:
http://www.rossgirshick.info/
Writing Good Detection Research Papers
首先能从你的论文里学习到什么?
什么时候不工作?
如果这个想法有多个组成部分,哪一个是最重要的?
哪些实现细节是重要的?
最简洁的方式表达你的想法
Ablations:一个表,一条信息
支撑你的所有的Claim
注意速度和准确性的声明
论文之间的比较常常是不受控制的
控制
所有的方法在一个代码库实现
通用R-CNN物体检测框架
https://alexander-kirillov.github.io/tutorials/visual-recognition-iccv19/
包括以下部分:
物体检测方法体系
通用R-CNN框架
结论: