RepPoints 可形变卷积 个人理解

目标检测的通用做法是，数据以边框格式标注，模型拟合，也是拟合边框的坐标和长度，拓展到3D，可以按照标注数据的格式，拟合3维体的中心点坐标和旁开的长度。

而在二维的目标检测中，比如由于目标的形状不同，如人或动物的姿势变化，在边框内有效信息可能会相对减少，作者就针对这种情况，改变了标注数据和最终拟合的形式，变成关键点拟合。

如何拟合这些关键点呢？作者用了在通用anchor方式的检测中所用到的普通卷积算子，作为初始的状态，在误差反传的过程中，卷积算子作为偏移量，与输入数据进行运算，最终调整到拟合的head上，完成关键点拟合。