浅析CornerNet

最新推荐文章于 2022-11-14 18:30:17 发布

原创

最新推荐文章于 2022-11-14 18:30:17 发布 · 806 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#Cornernet

CornerNet是一种新颖的目标检测网络，摒弃了传统的anchor机制，通过预测目标的两个角点及其相关属性。文章详细介绍了CornerNet的构成，包括hourglass network、corner pooling、embedding vector和offset，并探讨了其独特的损失函数设计，如pull loss和push loss，以及在网络中如何进行有效的角点匹配。CornerNet在目标检测领域的表现展示了其优越性。

cornernet简介

cornernet构成

cornernet是一种不同于之前的检测网络的一种新的网络，大部分思路源于stacked hourglass network。网络本身属于一步网络，在预测过程中不再需要进行anchor的设置，取而代之的是预测目标的左上角坐标和右上角坐标，每一组角点将代表一个目标。在网络前向传递的过程中，网络将输出两组heatmap：对应每个预测位置是一个角点的概率；heatmap通常比原图小一些，因此需要进行位置的进一步修正，与之对应的就是网络的offset输出；最终多个角点之间还需要进行匹配，这是网络的第三个输出embedding vector，代表一个抽象的空间中每一个heatmap对应点所在的位置，同一目标的两组角点之间的距离将尽可能的近，而不同目标之间的角点距离要尽可能的小，而距离本身无实际物理意义。
在这里插入图片描述

hourglass network

hourglass network是cornernet的基网络，网络结构与残差网络近似，先将输出的分辨率逐渐降低，在向上采样并进行融合，最后每个hourglass network的输入和输出是同分辨率的。hourglass network的输出是作为后续corner pooling的输入。
在这里插入图片描述