【论文笔记】：CornerNet: Detecting Objects as Paired Keypoints

&Title:

• CornerNet: Detecting Objects as Paired Keypoints
• CornerNet: Detecting Objects as Paired Keypoints[中文翻译]

&Summary

CornerNet，一种新的物体检测方法，文章使用单个卷积神经网络将目标边界框（bounding box）检测转化为一对关键点对（paired keypoints）的检测，这一对关键点对即待检测目标的左上角点（top-left corner）和右下角点（bottom-right corner）。通过将对象检测转化为成对关键点检测，使得不再需要专门设计anchor boxes，而这之前在one-stage类型的检测器中经常要用到。 除了提出新的算法形式外，文章还引入了一种新的池化方法——corner pooling，它可以帮助网络更好地定位corner。
检测大致过程： cornerNet分别输出左上角预测模块和右下角预测模块的Heatmaps、Embeddings和Offsets后。首先利用各自的Heatmaps计算出xy坐标，然后利用各自的Offsets修正xy坐标。接着利用各自的Embeddings信息收集同一bbox的左上角点和右下角点。

实验表明，CornerNet在MS COCO数据集上达到了42.1％ AP，优于所有现有的one-stage类型的检测器。

&Research Objective

不使用Anchor的情况下，引入了关键点检测的思路，对物体进行检测。

&Problem Statement

目前的检测算法主要思路还是设置大量Anchor+分配正负样本+训练的一个思路，Anchor的本质是目标的候选框，因为目标的形状和位置的多种可能性，Anchor的数量往往非常庞大，否则会出现遗漏的情况，这种情况对于one-stage的检测算法更加突出。因此会带来两个问题：

1. 大量的Anchor中只有少部分和gt的重合比较大，可以作为正样本训练，其它都是负样本，换而言之，正负样本均衡问题，这几乎是所有检测算法都要考虑的问题，不同算法往往也会有不同的策略。
2. Anchor的设置本身也是需要超参数的(形状、个数怎么设置)，在multi-scale的时候会更加明显，YOLOv2曾经用5个anchor达到了faster rcnn中9个anchor的效果，说明这方面确实也是有很多可以做的地方。

基于上述两点原因，再加上keypoint问题的启发，作者就想到用关键点检测的思路来处理detection问题，只要找到top-left和Bottom-right两个点，就可以准确框出一个目标了。

&Method(s)

本文给出了CornerNet的解决方案，放弃anchor boxes，直接检测目标的左上角点和右下角点。

CornerNet算法检测流程：

文章将对象检测看作为一对边界框角点的检测。 卷积网络为所有左上角输出heatmap，为所有右下角输出heatmap，并为每个检测到的角点输出一个嵌入矢量。 属于同一目标的两个角点的嵌入矢量是相似的，通过训练网络判断相似性，找到属于同一目标的两个角点，即检测到了目标。

详细流程：摘自文章
1.首先1个7×7的卷积层将输入图像尺寸缩小为原来的1/4（论文中输入图像大小是511×511，缩小后得到128×128大小的输出）。
2.然后经过特征提取网络（backbone network）提取特征，该网络采用hourglass network，该网络通过串联多个hourglass module组成（Figure4中的hourglass network由2个hourglass module组成），每个hourglass module都是先通过一系列的降采样操作缩小输入的大小，然后通过上采样恢复到输入图像大小，因此该