CornerNet论文

一、引入

cornernet思想来源于人体姿态评估，与前人研究不同，不使用anchor，而是使用关键点检测（左上角和右下角），是单阶段检测器。

1 创新点（2）

1.1 第一个使用关键点作为检测的方法。

1.2 提出corner pooling layers

因为有的图像的边框角附近的局部信息太少，使用corner pooling layers能更好的定位，文中用c++代码实现，比不用提高2-3个百分点。

提出的思想是：想要确定一个点（i,j）是否为角点，从该点出发水平向右看为最大值，垂直向下看为最大值。

2 优点

2.1 使用修改后的Hourglass网络比使用resnet等网络精度更高。

2.2 在AP70及以上效果比之前的模型好，AR比之前的模型好8-12个点，召回率比较好。

3 缺点

3.1 检测效果不太好，是提高精度的瓶颈。

二、网络结构

使用修改后的Hourglass。

文中常用的结构为3x3 conv-bn-relu。

三、损失函数

损失函数分为三个部分：找角、组角、偏置。

3.1 找角：修改后的focal loss。

3.2 组角：类似于三元组损失函数，将同一object的两个角距离减小，不同object的距离增大。损失函数是自己写的函数，距离减小的损失函数为。。。。，距离增大的损失函数为。。。。。

3.3 偏置：因为上采样还原到输入图像的分辨率时，角的位置会损失精度，使用smooth_l1_loss损失函数。