论文阅读之CenterNet

论文题目： 《Objects as Points》
地址：https://arxiv.org/pdf/1904.07850.pdf
发布时间：2019.4
代码：https://github.com/xingyizhou/CenterNet

1. Abstract

anchor_based 算法：枚举出可能潜在的目标，然后对这些潜在的目标进行分类。
缺点：浪费时间、低效，需要额外的后处理（post-processing）

本文算法：将目标的bbox的中心点定为该目标的中心点，检测器使用关键点检测去估计找到中心点，并且回归目标的其他属性，例如：尺寸，3d位置、方向、甚至姿态。
优点：相比较于基于bbox的检测器，我们的模型是端到端可微的，更简单，更快，更精确，实现了速度和精确的最好权衡。

---

2. Introduction

大多数目标检测算法都经过post-processing，很难微分和训练，他们都不是端到端可训练的。
本文提出的方法在对象的边界框中心用一个点表示对象(见图)。然后直接从位于中心位置的图像特征返回其他属性，如对象大小、尺寸、3D范围、方向和姿态。将 目标检测问题变成了关键点估计问题。

我们将图片输入给一个全卷积网络，产生一个热图。这幅热图的峰值对应于物体的中心。每个峰值的图像特征可以预测物体的bbox高度和宽度。训练模型使用标准的密集监督学习。推理是一个单一的前向网络，没有使用非极大值抑制处理。

模型使用的范围也比较广泛，小小的改变就可以应用到其他任务

3. Related work

Object detection by region classification： R-CNN
Object detection with implicit anchors: Faster R-CNN

文中的方法与anchor_based方法相似。中心点可以看作是一个单独的形状不可知的锚点，有以下几点不同：

• 我们分配的锚点仅仅是放在位置上，没有尺寸框。没有手动设置的阈值做前后景分类。（像Faster RCNN会将与GT IOU >0.7的作为前景，<0.3的作为背景，其他不管）
• 每一个目标只有一个positive的anchor，所以不需要NMS。仅仅是简单的从关键点热图中提取峰值点
• CenterNet使用高分辨率输出(4x)，相对传统的目标检测器（16x），所以不需要多尺度anchor

4.Preliminary

输入图片为：$I\in R^{W\times H\times 3}$
产生的热图为：$\hat{Y}\in [0,1{]}^{\frac{W}{R}\ast \frac{H}{R}\ast C}$
其中：R=4为网络步长，C为类别。
表示检测到的关键点:${\hat{Y}}_{x,y,c}=1$ ，表示检测到的背景: ${\hat{Y}}_{x,y,c}=0$
我们采用了几个不同的全卷积编码-解码网络来预测图像 I I