kevin_zhao_zl的博客

论文《Objects as Points》在CornerNet之后提出了又一种全新的思路CenterNet，即将目标建模为其边界框的中心点，方法通过关键点估计来寻找目标的中心点然后对目标所有其他的属性例如尺寸、三维位置、方向和姿态进行回归。在COCO数据集上取得了速度-精度的较好的均衡[142FPS-28.1%AP、52FPS-37.4%AP，1.4FPS-45.1%AP]，并且通过微调，CenterNet还可以用于三维目标检测与人体姿态估计。

论文提出了一个简单并且高度模块化的网络架构以用于图片分类，构造该网络需要一个个重复的集成有一系列变换且具有同一种拓扑结构的基础模块。

该论文聚焦通道维度的优化提出一个名为SE(Squeeze-and-Excitation)模块的新颖的单元架构，利用通道的独立性分别重调通道维度的特征来获得更好的最终效果，这些模块堆叠而成的新网络最终也取得了非常好的效果。