Bottom-up Object Detection by Grouping Extreme and Center Points

介绍

检测目标的四个极值点和一个中心点，然后通过几何关系进行暴力匹配，将四个极值点分组，开销为O(n⁴)。该方法相较于CornerNet的优点：1、CornerNet检测左上和右下角点，该两个角点一般在物体之外，没有外观特征不容易检测，极值点检测落在物体上有强烈的外观特征。2、关键点分组采用几何分组，完全基于外观。

注意

数据集标注了极值点 Edge aggregation：极值点进行聚合响应 对于存在多个并排排列且大小相近的物体情况下会产生ghost box,论文中给的解决方案：soft NMS来抑制ghost box：如果某个边框中包含的所有框的分数之和超过其本身得分的3倍，则将其得分除以2。

网络

backbone为hourglass Network，输出4×C×H×W的heatmap分别表示top heatmap,left heatmap,bottom heatmap,right heatmap， C×H×W的heatmap表示center heatmap，另外输出4×2×H×W的offset map来微调位置。

参考：
Edge aggregation：https://zhuanlan.zhihu.com/p/67386907