彭君然：中科院自动化所智能感知国家重点实验室在读博士，研究兴趣为目标检测，网络结构搜索等。博士期间在ICCV，NIPS等会议发表多篇论文，在OpenImage2019的Object Detection Track率队获得第三名。
报告题目：Practical Object Detection with Scale-Aware Network Architecture
报告摘要：目标检测是计算机视觉中最基础且最重要的几个任务之一，不论是学术界还是工业界都受到了极大的重视。目标检测任务的难点主要在于检测器需要能识别各种尺度的目标，过去的方法在处理多尺度能力一般，导致在一些物体尺度方差较大的数据库上表现不佳。后续的方法例如可形变卷积能有效地检测多种尺度的目标，但是对硬件加速很不友好，导致其在工业上的应用十分受限。本次报告将介绍两种方法，通过不同的方式构建能处理多尺度目标检测且对硬件加速友好的网络结构。
Spotlight：
本文提出的方法构建出的网络结构能很好地处理多尺度目标检测；
我们提出的结构没有任何额外参数量和计算量，且对硬件加速友好。
1. DATASET DISTILLATION
推荐理由：这是ICLR2018的一篇论文，这篇文章研究了一个有意思的问题：如何用尽量少的训练数据训好一个网络。虽然这篇文章是一个初步的尝试，但是这个问题如果能有效可靠的解决，便能加速各种视觉任务的训练。
