CornerNet: Detecting Objects as Paired Keypoints

CornerNet是一种anchor free的目标检测方法,不需要设置anchor,而是通过检测关键点(Keypoints),即目标的左上角(Top-Left Corners)和右下角(Bottom-Right Corners),再进行配对,来实现目标的检测。

网络的前半部分是一个卷积网络,后半部分是两个独立的分支,一个检测Top-Left Corners,另一个检测Bottom-Right Corners,两个分支分别生成一个热图,来预测每一个位置是Top-Left Corner或者Bottom-Right Corner的置信度。预测使用一种新的组件:Corner pooling。Top-Left Corners或者Bottom-Right Corners通常在目标之外,所以在每一个位置需要向右看和向下看,即向右最大化池化和向下最大化池化,再将两个值相加。

由于卷积网络得到的点的位置不可能和GT目标的Top-Left Corners或者Bottom-Right Corners刚好重合,于是规定只要点的位置和GT目标的Top-Left Corners或者Bottom-Right Corners在一个半径之内,就把相应的点作为正样本训练,半径的大小要确保半径内的一对点生成的边界框与GT的IoU ≥ t,t的值论文设置为0.7。

 

参考文献:CornerNet: Detecting Objects as Paired Keypoints

posted @ 2019-09-30 14:45  MSTK  阅读(...)  评论(... 编辑 收藏