CornerNet论文记录

Abstract

使用一对关键点来预测检测框，该对关键点为左上角点和右下角点，不使用anchor，另外文章还提出corner pooling。

Introduction

作者认为使用 anchor box有两个缺点：1.正负样本不均衡，密集采样anchor box，但只有少部分的anchor box中有ground truth。2.引入许多超参数，如个数，大小，长宽比。
使用一个ConvNet预测左上角点和右下角点的Heatmap以及enbedding vector，如下图。

为何角点预测比使用anchor box更好 1）目标框中心难以确定因为取决于目标的四个边，而角点只依赖于目标的两个边，相对来说定位更容易；2）角点提供了更为有效的离散边界空间，对角点而言为O(wh)，而对anchor boxes而言为O(w²h²)。

CornerNet

使用hourglass network作为backbone，然后跟了俩个预测模块。分别是左上角点和右下角点的预测，每个模块有自己的Corner pooling模块