论文笔记：CornerNet: Detecting Objects as Paired Keypoints

论文笔记：CornerNet: Detecting Objects as Paired Keypoints

这是ECCV2018的一篇检测的文章，文中提出了一个anchor free 的目标检测方法，不需要使用anchor，而是直接预测物体的左上角和右下角两个角点，就可以实现物体的检测。

动机

用anchor有两个缺点

1. 引入大量anchor，正负anchor box比例失衡
2. 会带来很多超参数
   因此，本文提出直接检测物体的左上角和右下角两个角点，实现目标检测

方法

网络输出两组heat map用于预测各个类别物体的左上角角点和右下角角点，同时对于每一个角点都附带预测一个embedding，用于左上角角点和右下角角点的配对。

Detecting Corners

每一组heatmap有C个通道，对应C个不同的类别。heatmap的尺寸为H*W。在设置ground truth时，考虑到即使角点没有完全与label重合，依然有可能预测出一个跟ground truth重叠足够大的检测框，因此角点ground truth设置了一个半径范围，这个半径的大小需要确保计算之后检测框与ground truth的IOU大于0.3。同时，用这个给定的半径的1/3作为高斯函数的σ，用二维高斯函数构建heatmap的ground truth。

heatmap的预测损失采用focal loss：

通过这个高斯分配，这个$(1-y_{cij}{)}^{\beta }$可以减小预测值在ground truth附近时的惩罚。

此外，网络还预测出一个一组所有类别共享的offset，用于弥补下采样过程带来的分辨率损失：

Grouping corners

为了实现左上角角点和右下角角点的配对，网络还对每一个位置预测出一个embeddings，文中embedding的维度取一维，通过计算距离来进行角点配对。embedding部分的loss计算如下：

Corner Pooling

如图二所示，角点附近几乎没有任何与物体相关的信息，直接预测角点会比较困难，因此文中提出了一种corner pooling 的方法。以top-left角点预测为例，top-left预测出top和left两张图，坐标（i，j）位置的输出等于坐标(i,j)~(i,H)范围内的所有值取max pooling，然后同理对left进行操作，再将两个结果加起来作为top-left的预测结果。

Hourglass Network

算法采用的网络模型是基于Hourglass Network的修改，用stride 2替代max pooling进行下采样，同时不再输出多尺度特征。