CornerNet Guassian radius高斯半径的确定-数学公式详解

Michael-洋

已于 2024-01-03 11:49:07 修改

阅读量6.8k

点赞数 16

分类专栏：论文理解文章标签：计算机视觉深度学习人工智能

于 2021-11-13 11:52:19 首次发布

本文链接：https://blog.csdn.net/x550262257/article/details/121289242

版权

本文详细探讨了CornerNet中高斯半径的确定方法，通过数学公式解释了如何根据角点位置计算确保预测框与GT框IOU大于0.7的半径。文章分为三种情况讨论：两角点在真值框内、两角点在真值框外以及一角点在真值框内外。并提供了两种不同的计算方式，最后对比了两种方法的异同，指出严格替换后的结果可能一致。

摘要由CSDN通过智能技术生成

废话

由于论文实验的需要，这几天在看CenterNet代码，看到关于高斯半径的选择，百思不得其解，遂参考了一些资料，算是搞明白了，在此详细记录一下，仅作备忘。文中或许包括图片、文字和公式的直接借用是为了图省事，参考资料会在最后给出出处，如有冒犯，麻烦告知本人，我会删掉，谢谢！下面进入正文。

正文

For each corner, there is one ground-truth positive location, and all other locations are negative. During training, instead of equally penalizing negative locations, we reduce the penalty given to negative locations within a radius of the positive location. This is because a pair of false corner detections, if they are close to their respective ground truth locations, can still produce a box that suciently overlaps the ground-truth box (Fig. 5). We determine the radius by the size of an object by ensuring that a pair of points within the radius would generate a bounding box with at least t IoU with the ground-truth annotation (we set t to 0:3 in allexperiments).

关于高斯半径的问题与论文中如上所述的文段及图片对应。

在[1]中，知乎作者认为上述“这段话的意思就是在设置GT box的heat map的时候，我们不能仅仅只在top-left/bottom-right的位置设置标签（置为1），因为你看fig5啊，其中红色的bbox为GT框，但是绿色的框其实也能很好的包围目标。所以如果在检测中得到想绿色的这样的框的话，我们也给它保留下来。甚至说的更普遍一些，只要预测的corners在top-left/bottom-right点的某一个半径r内，并且其与GTbox的IOU大于一个阈值(一般设为0.7)，我们将将这些点的标签不直接置为0，那置为多少呢？可以通过一个温和的方式来慢慢过渡，所以采用二维的高斯核未尝不可。”[1]

我认为说的非常明白，“那问题现在就变成了如何确定半径r，使得IOU与GT box大于0.7的预测框不被直接阉割掉。”[1]

现在根据预测的两个角点与Ground Truth角点的位置关系，分三种情况来考虑：

1)两角点均在真值框内

2)两角点均在真值框外

3)一角点在真值框内，一角点在真值框外

PS：为什么分三种情况，因为角点间关系就只有这三种情况。