extreme net
论文地址 https://arxiv.org/pdf/1901.08043.pdf
extreme net是一种检测的一步算法,由corner net改进而来,通过预测物体的四个极点来界定物体的位置和边界。由于corner net的论文中是利用目标最小外接矩形的左上角和右下角实现一个目标的标记,但由于这两个点并不在目标的边界上,因此在检测中进行有效的训练和寻找仍然存在一定的麻烦,而extreme net则是直接检测了目标的最高、最低、最左和最右点,这些点都处于物体上更加便于检测。
总体思路
对于extreme net而言,一个目标的界定是利用四个极点,对于极点的分组则并未采用embedding的思想,而是采用了对四个极点进行组合的穷举,并与物体的中心进行匹配。
关键点检测
关键点检测采用的是Hourglass Network104,关键点损失采用L2 loss,并对真实点进行二维高斯展开,损失函数的计算也可以参考corner net
关键点预测
对于每张图像,都将预测5 *C heatmaps and 4 * 2 offset maps,对于每个种类都将进行独立的预测,同时每个位置都还将预测是中心点的概率以实现点的匹配,位移则是用于进一步修正减少舍入误差。
关键点扩张
对于有些边界而言,极点的位置和概率可能不是十分明显,因此将对极点进行增强。极点将沿着四个方向进行扩张,直至遇到局部极小值停下。
极值点分割
在extreme net中,实现了对于物体的分割,但本质仍是借助四个极点进行的划分:每个点都将沿各个方向延伸1/4的长度,遇到角停止延伸,最终将所以边界点依次连接起来。