极简笔记 CornerNet: Detecting Objects as Paired Keypoints

极简笔记 CornerNet: Detecting Objects as Paired Keypoints

论文地址：https://arxiv.org/abs/1808.01244

文章核心提出利用关键点定位方式定位物体bbox的左上角点和右下角点，从而完全摆脱利用anchor提取proposal的two stage检测框架。

文章使用网络结构如图所示，首先使用hourglass作为backbone，之后分成两个分支，一个预测左上角点（C个类别有C个channel），一个预测右下角点。每个分支里面先做corner pooling，之后再分三个分支分别预测heatmap，embedding map和一个offset。

为了方便计算bbox角点，文章提出corner pooling计算。以左上角点分支计算为例，corner pooling分为2个channel，第一个channel每个像素取该行右侧像素的最大值，第二个channel每个像素取该列下方像素的最大值。右下角点分支的corner pooling也类似，只是改成了左侧和上方。之后将两个channel逐像素求和，要求得到的最大值位置为角点位置。（个人想法，corner pooling的前置条件是能够学得instance上下左右四个极点，之后才能够利用corner pooling求得角点）

在计算heatmap的时候，文章希望当预测坐标在gt坐标的一个与instance尺寸相关的半径范围内时能够减少penalty，这个半径选取的条件是在这个范围内与gt的IoU大于0.7，然后gt的高斯分布的方差取半径1/3，利用改进的focal loss计算检测误差$L_{det}$。

embedding map是用来计算左上角点和右下角点匹配程度的。文章计算pull & push loss（$L_{pull}$, Lpush