介绍
- 目前的目标检测方法通过一个轴对齐的边界框来表示每个物体,然后将目标检测简化为对大量潜在物体边界框的图像分类。
- 基于滑动窗口的目标检测器需要列举所有可能的物体位置和尺寸。
- RCNN从一大批区域候选者中列举出物体的位置,对其进行裁剪,并使用深度网络对每个物体进行分类。Fast RCNN通过裁剪图像特征来节省计算量。
- Faster RCNN在检测网络中生成RPN
- 作者用边界框中心的一个点来代表物体,直接从中心位置的图像特征回归出其他属性(大小、尺寸、3D维度、方向和姿势)。
- Backbone:Hourglass Network。Deep Layer Aggregation, Heatmap
- 对于中心点重合的现象,很难预测出正确的物体,但作者发现在数据集中大概只有%0.1(COCO)的图像存在中心点重合的物体。
图 1说明作者的方法性能优于当时的方法
方法
公式1:定义一个penalty-reduced pixelwise logistic regression的焦点损失,来训练keypoint预测网络。
公式2:为了消除由输出跨度引起的离散化误差,对于每一个中心点预测一个局部偏移量。
公式3:为了减轻计算负担,对所有的物体类别使用单一大小的预测。
公式4:总的训练目标。
- 一个中心点被看作是一个单一的形状无关的锚点。
- CenterNet只根据位置来分配anchor,而不是重叠的box。
- 每个检测对象只有一个正样本anchor,因此不需要NMS来对anchor进行筛选。
- CenterNet使用了更大的输出分辨率(stride=4)。
实验
使用四种架构进行实验:ResNet-18、ResNet101、DLA-34和Hourglass-104。
表1:用不同的backbone和测试选项进行COCO验证的结果