基于anchor-free的目标检测算法CenterNet研究

2020.04.18 小记

近期一直在MOT算法研究，目前SOTA算法核心还是基于CenterTrack网络，而CenterTrack又是基于anchor-free式的CenterNet网络，CenterNet是继YOLO目标检测算法以来新创的目标检测派系，yolo系列都是anchor-based算法，因此着重研究了下CenterNet，其在相同速度下，CenterNet的精度比YOLOv3提高了4个左右的点，后将对此算法结果复现，并考虑相关算法迁移。

2019年比较新的目标检测的论文，抛弃了主流的使用anchor回归检测框的机制.不得不慨叹，AI算法日新月异，层出不穷，好吧我不知道怎样形容了，目标检测一段时间没看，就蹦出这么多新点子新算法，真是读论文的还没写论文的快。啊啊No！

进入正题...

============================分=============割==================线===============================

CenterNet（指本文的做法）将目标检测过程看做是中心点的预测，并预测出下采样误差偏移量和预测框尺寸。也是一种关键点检测的方法，主要在CornerNet上进行改进。

使用上，CenterNet可以用于2D、3D的目标检测以及人体姿势的关键点检测。

paper：CenterNet的真实论文名称叫做objects as points。

先来看看效果吧：

 

惊不惊喜意不意外？CenterNet不仅可以用于目标检测，还可以用于其他的一些任务，如肢体识别或者3D目标检测等等，但是今天我们就重点说说目标检测的部分。CenterNet 牛逼的地方在于他不仅可以做2D目标检测,只需要少量扩展就可以迁移到3D目标检测和人体关键点检测上。

摘要

 图像检测中的检测框默认是轴对称的，大多数比较成功的检测方法都是要列举很大数量的候选框，再进一步进行定位和分类。但是这样的做法往往是多余而又低效率的。本文中我们提出了一种对物体的中心点进行定位的方法，并且在此基础上回归出物体的其他属性，比如尺寸、3D位置、方向甚至是姿态。我们提出的网络称之为CenterNet，它是一个端到端可微分，更简化快捷精度更高的方法。

那CenterNet相比于之前的one-stage和two-stage的目标检测有什么特点？

• CenterNet的“anchor”仅仅会出现在当前目标的位置处而不是整张图上撒，所以也没有所谓的box overlap大于多少多少的算positive anchor这一说，也不需要区分这个anchor是物体还是背景 - 因为每个目标只对应一个“anchor”，这个anchor是从heatmap中提取出来的，所以不需要NMS再进行来筛选
• CenterNet的输出分辨率的下采样因子是4，比起其他的目标检测框架算是比较小的(Mask-Rcnn最小为16、SSD为最小为16)。

总体来说，CenterNet结构优雅简单，直接检测目标的中心点和大小，是真anchor-free。

 

1. Introduction

对于目标检测，one-stage的方法是给图像中使用了一个叫anchor的机制，去排布很多框在图像中，直接进行框的打分；而two-stage的方法会对这些框中的featuremap进行重新计算，再进一步进行分类和回归。后处理一般使用的是非极大值抑制，以去掉那些重复的框。因为大多数训练都不适用这种