CenterNet一种Anchor-Free的目标检测框架

Posted 2021-09-03 AI 菌

文章目录

• • 1、CenterNet 简介
  • 2、提出背景
  • 3、骨干网络
  • 4、整体结构
  • 5、论文总结

本文原论文地址： https://arxiv.org/pdf/1904.07850.pdf

GitHub地址：https://github.com/xingyizhou/CenterNet

1、CenterNet 简介

CenterNet是一种Anchor-Free的目标检测网络；不仅可以用于目标检测，还可以用于其他的一些任务，如肢体识别或者3D目标检测等等。下图展示了CenterNet与当时的一些SOTA算法在COCO数据集上的性能对比效果。容易看出，CenterNet相比于当前的SOTA算法精度和速度都有一定提升。

2、提出背景

通常的检测器会预设很多anchor，然后基于这些anchor去做预测。密集的anchor有助于提高检测精度，然而在预测阶段，真正起到检测作用的只有少部分anchor，因此导致了计算资源的浪费。

无论是单阶段还是二阶段检测器，在后处理阶段都需要NMS去除多余框。NMS操作只在推理阶段存在，NMS的存在导致现有的检测器并不是严格的端到端训练的。

基于上述现象，作者提出了CenterNet算法，直接预测物体bbox的中心点、宽高、类别。相比其他方法，该方法不需要预设anchors，在预测阶段也不需要NMS，极大的简化了网络的训练和推理过程。

3、骨干网络

Centernet 用到的主干特征网络有多种，一般是以Hourglass Network、DLANet 或者 ResNet 为主干特征用来提取特征。我们以用的较多的ResNet为例来进行介绍。

ResNet50有两个基本的块，分别名为Conv Block和Identity Block，其中Conv Block输入和输出的维度是不一样的，所以不能连续串联，它的作用是改变网络的维度；Identity Block输入维度和输出维度相同，可以串联，用于加深网络的深度。

4、整体结构

如下图所示，CenterNet 的整体结构由三部分组成：骨干网络+上采样层+Center Head，具体过程如下：

• 通过ResNet50提取图像特征，骨干网络的最后一个特征层的形状为(16,16,2048)
• 对于该特征层，采用三次反卷积进行上采样，获得高分辨率特征层。为了节省计算量，这3个反卷积的输出通道数分别为256,128,64。
• 三次上采样后，获得了一个128x128x64的高分辨率特征图，最后利用该有效特征层获得最终的预测结果。
  

最后利用28x128x64的高分辨率特征图，进行三个不同的卷积操作，来分别进行预测：

• 热力图预测，此时卷积的通道数为classes，最终结果为(128,128,classes)，代表每一个热力点是否有物体存在，以及物体的种类c；
• 中心点预测，此时卷积的通道数为2，最终结果为(128,128,2)，代表每一个物体中心距离热力点偏移的情况x, y；
• 宽高预测，此时卷积的通道数为2，最终结果为(128,128,2)，代表每一个物体宽高的预测情况w，h；

5、论文总结

综上所述，作者提出了一种新的目标表示方法：objects as points。CenterNet 目标检测器建立在成功的关键点估计网络的基础上，找到物体的中心，并且回归到它们的大小。该算法简单、快速、准确，并且无需任何NMS后处理就能进行端到端的微分。这个想法是通用的，具有广泛的应用，超越了简单的二维检测。于此同时，CenterNet 可以估计一系列额外的目标属性，如姿势、三维方向、深度和范围。CenterNet 的初步实验是令人鼓舞的，并且为实时物体识别和相关任务开辟了一个新的方向和相关的任务。