CenterNet2的深入浅出（CVPR2021）

论文地址与代码

论文: https://arxiv.org/abs/2103.07461.
代码: https://github.com/xingyizhou/CenterNet2.

主要贡献

CenterNet2是2021年的一篇CVPR论文，这篇论文读起来比较费解，因为里面牵涉了比较深的数学知识，以至于网上也没有比较好的解说，不过还好，在经过了一系列的资料查找之后，我将尽我最大的能力将下面写得深入浅出一点。
该论文的主要贡献有如下几点：
●作者认为，作为两阶段算法，第一阶段应该用来回归目标并且判断目标是背景的可能性，而传统的两阶段算法中的RPN无法很好地推断这种可能性，但是许多one-stage算法可以。因此，作者使用了常用的one-stage算法作为CenterNet2的第一个阶段。具体点就是，使用one-stage算法来回归框和给框打一个分(就是一个概率)，这个分无关类别，只代表是前景还是背景。
●作者利用极大似然估计，设计了一种新的损失函数，这个损失函数是一个极大似然优化，可以同时优化第一阶段的one-stage算法和第二阶段的预测算法。使第一阶段的one-stage算法能够很好地评价目标是背景的可能性，大大减少了低质量推荐框的数量，也能在一定程度上提高推理速度。

贡献解释

One-stage算法，一般的two-stage算法与CenterNet2（Probabilistic two-stage detector）的区别如下图所示。

其实理解这篇论文的关键难点在于理解作者是如何构建极大似然优化的。下面就详细讲一下这个优化，看它是如何同时优化两个阶段的。