CenterNet
Key Knowledgeable:
1.生成Heatmap
- 输入512512的图片,对该图像/4的下采样操作,获得一个128128的图
- 计算原图groundtruth的box中心的缩小图坐标
- 根据目标Box大小来计算高斯圆的半径R
- 在128*128大小的Heatmap图上面,以point为中心点,半径为R通过高斯核函数计算:
其余点置为0
2.预测gtbox中心坐标放缩的误差offsets与框的宽高sizes
对于生成的Heatmap图,使用3×3最大池化筛选,再挑选100个峰值,结合offsets与sizes形成框:
3.Loss(Heatmaps+offsets+sizes)
总结:与之前所读“在anchor的形成上不断创新”的论文有着本质上的不同,放弃了anchors的概念,也不需要通过NMS处理筛去冗余框,通过在gtbox的中心点为圆心的高斯圆内预测中心点,并预测宽高辅以缩放整除误差预测直接给出box,在思路上提高了算法本身的性能,同时也提高了算法的通用性。