最近anchor free的目标检测方法很多,尤其是centernet,在我心中是真正的anchor free + nms free方法,这篇centernet对应的是'Objects as Points',不是另外一篇'CenterNet- Keypoint Triplets for Object Detection'。作者xinyi zhou也是之前ExtremeNet的作者。
CenterNet 厉害的地方在于他不仅可以做2D目标检测,只需要少量扩展就可以迁移到3D目标检测和人体关键点检测上。引言CenterNet属于anchor-free系列的目标检测,相比于CornerNet做出了改进,使得检测速度和精度相比于one-stage和two-stage的框架都有不小的提高,尤其是与YOLOv3作比较,在相同速度的条件下,CenterNet的精度比YOLOv3提高了4个左右的点。
在coco 上用resnet18作为backbone可以达到精度28.1 速度142FPS,用hourglass做backbone可以达到精度45.1速度1.4FPS。可谓是实现了速度和精度的平衡。CenterNet相比One Stage和Two Stage算法的区别那CenterNet相比于之前的one-stage和two-stage的目标检测有什么区别?
区别主要来自两个方面:
1)CenterNet没有anchor这个概念,只负责预测物体的中心点,所以也没有所谓的box overlap大于多少多少的算positive anchor,小于多少算negative anchor这一说,也不需要区分这个anchor是物体还是背景 - 因为每个目标只对应一个中心点,这个中心点是通过he