CenterNet论文详细解析Objects as Points

最新推荐文章于 2023-04-18 21:06:48 发布

原创

最新推荐文章于 2023-04-18 21:06:48 发布 · 924 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#目标检测

本文介绍了一种名为CenterNet的目标检测方法，它将检测任务转化为关键点估计问题，仅需通过图片输入全卷积网络生成热力图，并从中提取峰值作为目标中心，进而预测边界框等属性。该方法避免了复杂的后期处理步骤，实现了快速且准确的目标检测。

一、论文相关信息

1.论文题目：Objects as Points

2.发表时间：2019

3.文献地址：https://arxiv.org/pdf/1904.07850.pdf

4.论文作者: Xingyi Zhou Dequan Wang Philipp Krahenb

5.论文源码：https://github.com/xingyizhou/CenterNet

二、论文详情

CenterNet以bounding box 的中心来表征目标，其它的属性如2d检测中的宽和高、3d检测中的深度、三位边框与方向，多人姿态估计的关键点等属性都由中心点回归得到。
于是目标检测就转换为一个标注的关键点估计问题，只需要将图片输入一个全卷积网络产生一个热力图heatmap，图中的峰值peaks对应我们的目标中心object centers。然后每个peak处的图像特征预测目标bounding box的宽高等属性。在inference时只徐通过一个网络的前向传播得到结果，没有nms等后期处理。
该方法具有通用性，简单修改就能用到其它领域，如上述提到的3D检测和多人姿态估计等。
由于网络很简单，所以也由很快的速度——142 FPS with 28.1% COCO bounding box AP
用上最先进的关键点估计网络沙漏网络（Hourglass-104）以及多尺度检测，精度会大大提高，但速度也会慢下来。