Objects as Points

该博客介绍了采用一种新的对象检测方法,将目标视为其边界框中心点,通过关键点估计来定位中心并预测其他目标属性。在MS COCO数据集上,该检测器在不同速度下表现出高精度,同时探讨了模型的输入输出、目标定义和损失函数等细节。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

在这里插入图片描述

code

概述


  • 要解决的问题
    • One-stage anchor-free object detection
  • 采用的方法
    • 构建模型时将目标作为一个点——即目标BBox的中心点。我们的检测器采用关键点估计来找到中心点,并回归到其他目标属性,例如尺寸,3D位置,方向,甚至姿态
  • 结果如何
    • 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

细节


  • 1、input&output
    输入是 I ∈ R W ∗ H ∗ 3 {I\in R^{W*H*3}} IRWH3,输出则是 Y ^ ∈ [ 0 , 1 ] W S ∗ H S ∗ C \hat{Y}\in[0, 1]^{\frac{W}{S}*\frac{H}{S}*C}
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值