CenterNet :Objects as Points-论文笔记（目标检测）

摘要

传统目标检测将物体定义为沿着坐标轴的边界框，对所有可能的物体进行穷举搜索，再进行分类。这种方法耗时耗力，且需要额外的后处理过程。本文将物体建模为单个点——边界框的中心点，用关键点估计找到中心点，并且回归输出物体其他属性，如：尺寸，3D位置，旋向，甚至位姿。本文方法称为CenterNet，一种端到端具有多种优点的目标检测方法，达到了速度与准确率的平衡。

引言

目标检测很重要，为许多后续任务提供支撑（实力分割、位置估计等）。在监控、自动驾驶等领域有广泛应用。传统目标检测将物体定义为沿着坐标轴的边界框，对所有可能的物体进行穷举搜索，再进行分类。对每一个边界框，分类器要判断框中是某一特定的物体还是背景。单阶段目标检测器在图像上滑动一个复杂的可能的包围框(称为锚)，并直接对它们进行分类，而不指定框的内容。两阶段探测器重新计算每个潜在框的图像特征，然后对这些特征进行分类。后处理（即非最大抑制），然后通过计算边界框IoU来消除相同实例的重复检测。后处理过程很难训练，因此当下方法均不是端到端的。
如图2所示，本文将物体建模为单个点——边界框的中心点，用关键点估计找到中心点，并且回归输出物体其他属性，如：尺寸，3D位置，旋向，甚至位姿。我们只需要将图片喂入全卷积网络，用来产生热力图。热力图的峰值点对应物体中心，每个峰值的图像特征预测被包围的物体的高度和重量。是监督学习，推理过程是简单的前向传递，没有后处理。

我们的方法是通用的，并可以扩展到其他任务，只需很小的改动。通过预测每个中心点的额外输出（见图4），我们提供了三维目标检测和多人人体姿态估计的实验。

相关工作

基于区域分类的目标检测。RCNN、Fast-RCNN。然而，这两种方法都依赖于缓慢的低层次区域提议方法。
带有隐式锚的对象检测。Faster RCNN生成检测网络内的区域提议。它对低分辨率图像网格周围的固定形状包围框(锚)进行采样，并将每个框分类为“前景或非前景”。锚点被标记为前景：与任何ground truth对象有">0.7"重叠，与背景有”<0.3”的重叠，否则被忽略。每个生成的区域提案再次分类。将建议分类器改为多类分类器，形成了单级检测器的基础。单级检测器的改进包括锚形先验、不同的特征分辨率和不同样本之间的损失重加权。
我们的方法与基于锚点的单阶段方法密切相关。一个中心点可以被看作是一个与形状无关的锚点(参见图3)。然而，这里有一些重要的区别。首先，我们的CenterNet仅根据位置分配锚”，而不是框重叠。我们没有用于前景和背景分类的手动阈值。其次，我们每个对象只有一个positive的“锚”，因此不需要Non-Maximum Suppression (NMS)。我们简单地在关键点热图中提取局部峰。第三，与传统的目标探测器(输出步幅为16)相比，CenterNet使用了更大的输出分辨率(输出步幅为4)。这消除了对多个锚的需要。

基于关键点估计的目标检测。CornerNet。ExtremeNet。然而，在关键点检测之后，它们需要一个组合分组阶段，这大大降低了每个算法的速度。另一方面，我们的CenterNet简单地为每个对象提取一个中心点，而不需要进行分组或后期处理。
单目三维物体检测。Deep3Dbox。3D RCNN。Deep Manta。我们的方法类似于一步版的Deep3Dbox或3DRCNN。因此，CenterNet比其他竞争方法更简单、更快。

Preliminary

输入图像“：