为了使得视觉与学习领域相关从业者快速及时地了解领域的最新发展动态和前沿技术进展，VALSE最新推出了《论文速览》栏目，将在每周发布一至两篇顶会顶刊论文的录制视频，对单个前沿工作进行细致讲解。本期VALSE论文速览选取了来自重庆大学的目标检测方面的工作。该工作由张磊教授指导，覃凌云同学录制。

论文题目：Reconcile Prediction Consistency for Balanced Object Detection

作者列表：王科洋 (重庆大学)，张磊 (重庆大学)

B站观看网址：

https://www.bilibili.com/video/BV1d3411T74j/

论文摘要：

分类和回归是目标检测器的两大支柱。在大多数基于CNN的检测器中，这两个支柱都是独立优化的。然而如果没有它们之间的直接交互，分类损失和回归损失就不能在训练阶段同步向最优方向优化。这显然会导致在推理阶段出现大量分类分数高但定位准确率低或分类分数低但定位准确率高的不一致预测，特别是对于形状不规则和被遮挡的物体。这严重损害了现有检测器在NMS后的检测性能。为了协调目标检测的预测一致性，我们提出了一种Harmonic loss来自主协调分类分支和定位分支的优化。调和损失使这两个分支在训练期间能够相互监督和促进，从而在推理阶段产生具有分类和定位一致性的预测。此外，为了防止定位损失在训练阶段受到异常样本的支配，我们还提出了一种Harmonic IoU loss自动协调不同 IoU 级别样本的定位损失的权重。对PASCAL VOC 和 MS COCO的大量实验证明了我们模型的通用性和有效性，同时可以有效促进现有的目标检测器达到最先进的准确度。

论文信息：

[1] Keyang Wang and Lei Zhang. Reconcile Prediction Consistency for Balanced Object Detection. In Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV’2021), pp. 3631-3640, virtual, 2021.

论文链接：

[https://openaccess.thecvf.com/content/ICCV2021/papers/Wang_Reconcile_Prediction_Consistency_for_Balanced_Object_Detection_ICCV_2021_paper.pdf]

视频讲者简介：

覃凌云，重庆大学硕士生，研究方向为计算机视觉，目前专注于域泛化目标检测。

特别鸣谢本次论文速览主要组织者：

月度轮值AC：杨曦 (西安电子科技大学)、王鑫 (清华大学)

季度责任AC：杨猛 (中山大学)

活动参与方式

1、VALSE每周举行的Webinar活动依托B站直播平台进行，欢迎在B站搜索VALSE_Webinar关注我们！

直播地址：

https://live.bilibili.com/22300737；

历史视频观看地址：

https://space.bilibili.com/562085182/ 

2、VALSE Webinar活动通常每周三晚上20:00进行，但偶尔会因为讲者时区问题略有调整，为方便您参加活动，请关注VALSE微信公众号：valse_wechat 或加入VALSE QQ R群，群号：137634472）；

*注：申请加入VALSE QQ群时需验证姓名、单位和身份，缺一不可。入群后，请实名，姓名身份单位。身份：学校及科研单位人员T；企业研发I；博士D；硕士M。

3、VALSE微信公众号一般会在每周四发布下一周Webinar报告的通知。

4、您也可以通过访问VALSE主页：http://valser.org/ 直接查看Webinar活动信息。Webinar报告的PPT（经讲者允许后），会在VALSE官网每期报告通知的最下方更新。