CenterNet简述

引言

  如图2所示，本文通过目标中心点来表示物体，然后在在中心点位置回归出目标如维度、大小、姿势等其他属性，把目标检测问题转变成一个标准的关键点估计问题，将图像传入全卷积网络，得到一个热力图，热力图峰值点即中心点，每个特征图的峰值点位置预测了目标的宽高信息。

  模型训练采用标准的监督学习，推理仅仅是单个前向传播网络，不存在NMS这类后处理。运行速度与AP如图1所示：

相关工作

  Object detection by region classification：RCNN系列方法枚举大量候选的对象位置，再使用深层网络进行分类，依赖于区域建议方法
  Object detection with implicit anchors：Faster RCNN通过手动设置的阈值做前后景分类，会将与GT的IOU >0.7的作为前景，<0.3的作为背景，本文与anchor-based one-stage方法相近，中心点可看成形状未知的锚点，如图3所示：

  但也有一些重要的差异：
  ①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
  ②每个目标仅仅有一个正的锚点，因此不会用到NMS
  ③CenterNet相比传统目标检测而言（缩放16倍尺度），使用更大分辨率的输出特征图（缩放了4倍），因此无需用到多重特征图锚点；
  Object detection by keypoint estimation：CornerNet将bbox的两个角作为关键点；ExtremeNet 检测所有目标的最上，最下，最左，最右，中心点，这些网络和本文的一样都建立在鲁棒的关键点估计网络之上。但是它们都需要经过一个关键点grouping阶段，这会降低算法整体速度；而本文算法仅仅提取每个目标的中心点，无需对关键点进行grouping 或者是后处理；

方法

实验

  在COCO数据集上与SOTA方法的对比实验如表2：

  消融实验如表3：

  3D的实验在KITTI上效果如表4：

总结

  这是我看的第一篇关于anchor-free的文章，该文章提出了CenterNet，把目标建模成一个点，然后对确立的中心点的图像特征进行回归得到目标的尺寸等信息，把图像送入一个全卷积网络，产生一个热力图，这张热力图的峰值就是目标的中心点，再利用每一个峰值位置的图像特征预测目标的宽度和高度，因此它不需要设置anchor的尺寸、阈值，也不需要NMS后处理，一定程度上减少了训练的时间和复杂度