论文精读——CenterNet _Objects as Points - c20081052的专栏 - CSDN博客.pdf

首页 博客 学院 下载 论坛 APP 问答 商城 活动 VIP会员 专题 招聘 ITeye GitChat 图文课

Python工程师

写博客 消息

译

论文精读——CenterNet :Objects as Points

2019年04月18日 13:09:34 ciky奇 阅读数 12431

论文题目：Objects as Points

论文地址：https://arxiv.org/pdf/1904.07850.pdf

MS COCO dataset, with 28:1% AP at 142 FPS, 37:4% AP at 52 FPS, and 45:1% AP with multi-scale testing at 1.4 FPS.

用同个模型在KITTI benchmark 做3D bbox，在COCO keypoint dataset做人体姿态检测。同复杂的多阶段方法比较，我们的取得了有竞争力的结果，而且做到了实

时的。

由于模型设计简化，因此运行速度较高（见图1）

第三，CenterNet 相比较传统目标检测而言（缩放16倍尺度），使用更大分辨率的输出特征图（缩放了4倍），因此无需用到多重特征图锚点；

通过关键点估计做目标检测：

我们并非第一个通过关键点估计做目标检测的。CornerNet将bbox的两个角作为关键点；ExtremeNet 检测所有目标的 最上，最下，最左，最右，中心点；所有

令 为输入图像，其宽W，高H。我们目标是生成关键点热力图 ,其中R 是输出stride（即尺寸缩放比例），C是关键点类型数（即输出特

征图通道数）；关键点类型有： C = 17 的人关节点，用于人姿态估计； C = 80 的目标类别，用于目标检测。我们默认采用下采用数为R=4 ； 表示检测到的

关键点； 表示背景；我们采用了几个不同的全卷积编码-解码网络来预测图像

得到的 ：stacked hourglass network ， upconvolutional residual

networks (ResNet)， deep layer aggregation (DLA) 。