论文阅读：Bottom-up Object Detection by Grouping Extreme and Center Points

ExtremeNet

文章
  本文是继Corner-Net和Grid R-CNN之后第三篇用关键点检测做目标检测的。本文会检测每类物体的4个边缘关键点（最上，最下，最左，最右）以及1个中心点，然后根据边缘点和中心点的对齐关系找到每个物体的bbox。和CornerNet相比，本文的方法找的是物体边缘上的关键点，因此不会存在找bbox corner那种local visual evidence不足的情况。
  不管是RCNN系还是YOLO系检测器，他们都是top-down的手段，即就是对可能的图片中的矩形区域进行分类，不过RCNN系会用crop的矩形区域特征，而YOLO为了简洁则使用了anchor。不过这种方法的问题在于，矩形区域并不一定可以很好的表示有的物体，比如下面左图中人手中的网球拍。
一种组合（4个extreme点），属于同一个物体（这样似乎没有考虑中心点重合或者接近的情况？），过程如下图所示。

  本文提出的ExtremeNet这种方法则是bottom-up的，直接在图像中发现物体的关键点，然后group成bbox。具体来说，ExtremeNet接收图片作为输入，会为每一个类别输出4张multi-peak heatmaps，代表4个extreme点，同时每类还会有1张heatmap表示物体的中心点，从这个角度看该方法也是属于one-stage detector。为了将extreme点匹配，文章采用了比较暴力的几何方式（CornerNet中使用的是associative embedding的方式匹配的）。加入每张heatmap有n个点，则遍历n^4种组合，对于每一种组合，如果他们对应的中心点在中心点heatmap上值超过一定阈值，则认为这一种组合（4个extreme点），属于同一个物体（这样似乎没有考虑中心点重合或者接近的情况？），过程如下图所示。

  通过检测4个extreme点来确定物体还有一个好处就是可以通过将这4个点变换为一个八边形，形成物体比较好的一个mask。

To be Continued…