2019年的论文
概述
- 要解决的问题
- 针对Anchor问题来进行思考的设计
- 采用的方法
- One stage
- 仿CornerNet,但是CornerNet是使用的 左上角和右下角两个点检测,而本论文是对top, left, bottom, right四个极端点,再加上一个center点来进行检测。
- 借鉴了DEXTR的极端点方法。
- 结果如何
- 在One-stage的方法上,COCO数据集表现是非常不错,state-of-the-art,可以看后面的结果
- on-par with the state-of-the-art region-based method
- 在COCO test-dev上bounding box的AP为43.2%。
- 此外,用这个方法还做了一些粗糙的分割,COCO Mask AP是18.9%,much better than the Mask AP of vanilla bounding boxes。甚至在后面的结果中,加上DEXTR可以使Mask AP提升到34.6%
- Contributions
- 将几个方法结合起来用到了目标检测上吧。。。
细节
- 上图就是网络大致的结构图:
- backbone是Hourglass Network,最终生成的是 4 ∗ C ∗ H ∗ W 4*C*H*W 4∗C∗H∗