#每天一篇论文 249/365 将物体等效为一个点

Objects as Points

代码

将图像中的物体和人转换为一个有边界框的一个点

摘要

检测将对象标识为图像中的轴对齐框。大多数成功的目标检测器列举了一个几乎详尽的潜在目标位置列表，并对每个位置进行分类。这是浪费、低效的，需要额外的后处理。在本文中，我们采取了不同的方法。我们将对象建模为单个点-其边界框的中心点。我们的探测器使用眼点估计来寻找中心点，并回归到所有其他对象属性，如大小、三维位置、方向，甚至姿势。我们的基于中心点的方法centernet是端到端可微的，比相应的基于边界盒的检测器更简单、更快和更精确。centernet在ms-coco数据集上实现了最佳的速度精度权衡，142 fps的ap为28.1%，52 fps的ap为37.4%，1.4 fps的多尺度测试为45.1%。我们在coco关键点数据集上，使用相同的方法估计kitti基准中的3d边界框和人体姿势。我们的方法与复杂的多阶段方法竞争性地执行并且实时运行。

贡献

我们的方法是通用的，可以用很小的努力扩展到其他任务。通过预测每个中心点的附加输出，我们提供了三维目标检测和多人姿态估计的实验。对于三维包围盒估计，我们回归到对象绝对深度、三维包围盒尺寸和对象方向。对于人体姿态估计，我们将二维关节位置视为中心偏移，并在中心点位置直接回归到它们。