Anchor Free

Anchor Free

发展历史

Anchor free经典算法

核心思想

.Heatmaps分支：分别提取左上角和右下角点的特征，预测左上角点和右下角点的位置
.Embeddings分支：将左上角点和右下角点组合成候选框，对于不同物体的角点，对应的embeddings具有较大的距离

Corner pooling算法解读

.CornerNet从而无需依赖锚框即可直接预测目标边界关键点

CornerNet网络结构

.采用Hourglass主干网络+双分支角点检测结构，通过Top-left/Bottom-right角点池化层提取物体边界特征，结合Heatmaps（定位角点）、Embeddings（关联角点对）、Offsets（坐标微调）三头输出，实现无锚框的高精度目标检测

CoenerNet检测效果

CornerNet--进化版

.CornerNet Squeeze--优化方法
CornerNet-Squeeze通过引入轻量化的Fire模块替代原版残差块，在保持特征表达能力的同时显著降低了计算量，配合DCN、MixUp和余弦学习率等优化策略，最终在骨干网络上实现了38.2 mAP的高精度和39.7 FPS的实时性能，较原版Hourglass网络实现精度与速度的提升
.CornerNet Squeeze--实验效果
CornerNet-Squeeze通过轻量化改进，在使用ResNet50-vd骨干网络并配合DCN、MixUp数据增强和余弦学习率策略后，实现了38.2 mAP和39.7 FPS的优异性能，在保持较高检测精度的同时提升了推理速度