【论文阅读】【2D目标检测】CenterNetv2: Probabilistic two-stage detection

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

其实一句话就可以概括本文的核心思想：用one-stage的检测器来代替two stage中的RPN可以提升运行速度和检测效果。

对于two-stage的RPN和one-stage的检测器，我一直认为其实它们俩本质上就是同一个东西。但这只是从网络架构的形式上看。本文细节地分析了两者的区别。

其中，3和4两个section阐述了本文的核心思想，第5个section只是描述实现细节。

3. Preliminaries

现有的检测器分为两类，一个是one-stage的，一个是two-stage的。

先说one-stage：使用$L_{i,c}$表示对第i个candidate和c类别的检测结果，其中candidate可以理解为feature map中的grid。那么$L_{i,c}=1$代表第i个candidate检测为c类别，$L_{i,c}=0$代表第i个candidate检测为背景。大多数的one-stage的检测器parametrize the class likelihood为$s_i(c)=P(L_{i,c}=1)$。在训练过程中，就是对gt box最大化这个的对数似然，$log($