RepPoints是一种新型的表示方法，用于对象检测，提供更精细的定位并辅助分类。它采用一组自适应定位的目标点，通过与边界框的损失函数一起训练，学习目标的关键区域。这种方法无需锚点，且利用可变形卷积网络（DCN）学习目标的自适应关键点。RepPoints在实验中展现出与基于锚点的方法竞争的检测性能，解决了之前方法的可解释性和调参问题。
&Title:
&Summary
提出了一种新的表示形式，称为RepPoints，它提供了更细粒度的定位并有助于分类。 如图所示，RepPoints是一组点，这些点学会以一种限定对象空间范围并指示语义上重要的局部区域的方式自适应地将自己定位在目标上。 RepPoint的训练是由目标定位和识别目标共同驱动的，因此RepPoint被地面真相边界框紧密约束，并引导检测器进行正确的对象分类。 可以在现代物体检测器的不同阶段上连贯地使用这种自适应和可区分的表示形式，并且不需要使用锚点在包围盒的空间上进行采样。
RepPoints利用DCN提取到了目标本身的多个关键点，文中选取了9个可以自适应“跳动”的采样点（初始采样点应该就是3x3卷积的9个采样点？？），由分类和定位统一做监督，使得这些点更好的包含语义信息，来识别，最终定位一个目标。
&Research Objective
anchor-free + DCN取点预测
最低0.47元/天 解锁文章
204
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
