目标检测：centernet论文笔记

最新推荐文章于 2024-08-01 20:50:19 发布

Mochizukiki

最新推荐文章于 2024-08-01 20:50:19 发布

阅读量313

点赞数

分类专栏：目标检测文章标签：计算机视觉深度学习机器学习

原文链接：https://blog.csdn.net/qq_34914551/article/details/106805886

版权

目标检测专栏收录该内容

1 篇文章 0 订阅

订阅专栏

目标检测：centernet论文笔记

centernet使用关键点估计来找到中心点，然后回归到所有其他对象属性，如大小、3D位置、方向，甚至姿态。CenterNet是端到端可微的，比基于边界框的检测器更简单、更快、更准确。

总体方法如下图所示:
centernet总体方法

Head检测头

在backbone之后，会得到一个特征图，shape为R^h,w,D,h和w是原图的1/4。这个特征经过检测Head，得到了三样东西。

key point heatmap： shape是 h × w × C , c是类别数目，就是每个类别都有自己的单通道的heatmap。热图上的峰值对应了图像的一个目标（属于热图对应的类别）。
Offset：因为是预测目标中心的位置。如果一个在原图的目标的中心坐标为x，y。那这个目标对应在特征图上的位置就是 x//4, y // 4。这里用的是整除。这个数字乘以4得到的数值就不会是原图坐标了。所以从heatmap上取到的峰值位置，未必等于原图上目标的中心点。还需要一个偏置项，描述了heatmap上的取到的峰值位置离原图坐标下最终的目标的一个偏移量。
Size： shape和offset一致，都是2通道的map。两个通道分别描述目标的height和width。

所以总的输出通道为C+4。相较于Anchor Base的检测网络，需要N* K*(C+4)小了很多。N是检测头的数目，K是anchor的数目

Label的编码

三个分支对应的标签：

heatmap：既然heatmap是预测目标的中心位置。那么对于一张图像中的一个目标O^c,x,y在图像上x，y的位置上，且所属类别C。我们就应该在第C个类别对应的heatmap上，在[x//4, y//4]的位置上设置为1。但是仅仅这样是不够的，一个目标的中心点是通过暴力的求平均得到的，网络在训练初期很难理解，为啥离中心点一个像素单元的地方就变成了负样本了。就是说网络比较难get到什么是物体的中心。因为还需要用一个高斯核对每个位置重新赋值一个label，这个label是在0-1之间，相当于起到了一个软标签的效果。离目标中心越远的位置，其label值越接近0。重叠位置的label赋值选择二者的最大值。（其实也是关键点检测常用的编码label的方法）
offSet：如果你理解了offset的用途。那不难理解如何训练Offset。我们希望offset输出的是原始坐标整除stride和不整除stride 的差值。所以目标 O^c,x,y在offset上对应的label就是在 [x//4, y//4]上的值为 [x / 4 - x // 4, y / 4 - y // 4]
Size：基于上面的两个分支，我们已经可以准确获得目标在原图坐标系下的中心点了。接下里，希望Size输出基于峰值位置上目标框的高和宽。假设这个目标的GT框是（x1，y1; x2, y2)，则这个位置的label是（x2 - x1; y2 - y1)。注意是在原图坐标下计算的，没有除以stride。同时尺度过大，作者在size分支的loss上乘上了0.1这个系数。loss放在后面说。