CenterNet

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。