本文深入探讨CenterNet算法，通过预测对象中心点及其大小来实现检测。损失函数包括中心点预测损失Lk、对象大小损失Lsize和偏移量损失Loff，旨在解决下采样引起的离散化误差。L1Loss用于计算Lsize，而Loff则通过预测局部偏移来修正误差。后续将详细阐述模型定义部分。
相信论文的大体意思大家都有看过很多介绍，论文通过预测目标中心点和目标w和h来得到检测框，而且经过测试，该算法的框预测明显优于Yolov3，结果就不贴了。
Loss
上面是总的Loss ,分别包含Lk中心点heatmap预测loss，Lsize：object size Loss，Loff: 由于下采样导致的离散化错误，因此增加了中心点的offset预测，论文中解释如下：
To recover the discretization error caused by the output stride, we additionally predict a local offset for each center point.
跟我们的预想一样，center point loss 和 object size loss，只是为了克服4倍下采样误差，增加了一个offset loss。
代码：loss = opt.hm_weight * hm_loss + opt.wh_weight * wh_loss + \ opt.off_weight * off_loss
hm_loss: Lk, wh_loss: Lsize, off_loss:Loff.
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
