目标检测anchor-free框架：CenterNet :Objects as Points

Posted 2021-09-15 超级无敌陈大佬的跟班

论文地址：https://arxiv.org/pdf/1904.07850.pdf

发布时间：2019.4.16

代码：https://github.com/xingyizhou/CenterNet

 摘要

         大多数anchor-base的目标检测器都先穷举出目标位置，然后对该位置进行分类，这种方式浪费时间，低效，还需要额外的后处理(NMS)。本文中，CenterNet构建模型时将目标作为一个点——即目标BBox的中心点。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。本文基于中心点的方法称为：CenterNet，相比较于基于BBox的检测器，CenterNet模型是端到端可微的，更简单更快更精确。实现了速度和精确的权衡，性能指标如下：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。

现有的一阶和二阶目标检测算法：

• One stage detectors：在图像上滑动穷举可能bbox（即锚点）,然后直接对框进行分类。
• Two-stage detectors：对每个潜在框重新计算图像特征，然后将那些特征进行分类。
• 后处理，即 NMS（非极大值抑制）：通过计算Bbox间的IOU来删除同个目标的重复检测框。这种后处理很难区分和训练，因此现有大多检测器都不是端到端可训练的。

基于目标中心点预测

        作者通过目标中心点来呈现目标（见图2），然后在中心点位置回归出目标的一些属性，例如：size, dimension, 3D extent, orientation, pose。 而目标检测问题变成了一个标准的关键点估计问题。我们仅仅将图像传入全卷积网络，得到一个热力图，热力图峰值点即中心点，每个特征图的峰值点位置预测了目标的宽高信息。

1. CenterNet网络结构

        除了检测任务外，CenterNet还可以用于肢体识别或者3D目标检测等(本文不涉及)，因此CenterNet论文中提出了三种backbone的网络结构，分别是Resnet-18， DLA-34和Hourglass-104(DLA-34网络即Deep Layer Aggregation, Hourglass网络主要用于人体姿态估计)，三种backbone准确度和速度如下：

(a): Hourglass Network (b): ResNet with transpose convolutions (c): The original DLA-34
(d): Our modified DLA-34

        实际工作中我主要用CenterNet进行目标检测，常用Resnet50作为backbone，这里主要介绍resnet50_center_net，其网络结构如下：

Resnet50主干的CenterNet

        可以发现CenterNet网络比较简单，主要包含以下几个部分：

1. 首先resnet50主干网络提取图片特征；
2. 然后是反卷积模块Deconv(三个反卷积)对特征图进行上采样
3. 最后三个分支卷积网络用来预测heatmap, 目标的宽高和目标的中心点坐标。

        值得注意的是反卷积模块，其包括三个反卷积组，每个组都包括一个3*3的卷积和一个反卷积，每次反卷积都会将特征图尺寸放大一倍，有很多代码中会将反卷积前的3x3的卷积替换为DCNv2(Deformable ConvetNets V2)来提高模型拟合能力。

2. heatmap(热力图)理解和生成

2.1 heatmap生成

　　CenterNet将目标当成一个点来检测，即用目标box的中心点来表示这个目标，预测目标的中心点偏移量(offset)，宽高(size)来得到物体实际box，而heatmap则是表示分类信息。每一个类别都有一张heatmap，每一张heatmap上，若某个坐标处有物体目标的中心点，即在该坐标处产生一个keypoint(用高斯圆表示），如下图所示：

产生heatmap的步骤解释如下：

如下图左边是缩放后送入网络的图片，尺寸为512x512，右边是生成的heatmap图，尺寸为128x128（网络最后预测的heatmap尺度为128x128。其步骤如下：

• 1.将目标的box缩放到128x128的尺度上，然后求box的中心点坐标并取整，设为point

• 2.根据目标box大小计算高斯圆的半径，设为R；

• 3.在heatmap图上，以point为圆心，半径为R填充高斯函数计算值。(point点处为最大值，沿着半径向外按高斯函数递减)

（注意：由于两个目标都是猫，属于同一类别，所以在同一张heatmap上。若还有一只狗，则狗的keypoint在另外一张heatmap上)

 

2.2 heatmap高斯函数半径的确定

　　heatmap上的关键点之所以采用二维高斯核来表示，是由于对于在目标中心点附近的一些点，期预测出来的box和gt_box的IOU可能会大于0.7，不能直接对这些预测值进行惩罚，需要温和一点，所以采用高斯核。借用下大佬们的解释，如下图所示：

　　关于高斯圆的半径确定，主要还是依赖于目标box的宽高，其计算方法为下图所示。 实际情况中会取IOU=0.7，即下图中的overlap=0.7作为临界值，然后分别计算出三种情况的半径，取最小值作为高斯核的半径r；

3. CenterNet损失函数

        整个CenterNet的损失函数包含3个部分，表示 heatmap中心点损失， 表示目标中心点偏移损失，​表示目标长宽损失函数。

下面分别详细介绍三个损失：

3.1 ☆Heatmap损失函数

        上图展示了Heatmap损失函数，该函数是在Focal Loss的基础上进行了改进，其中的α与 β 是两个超参数，用来均衡难易样本； 表示GT值，​表示预测值；N表示关键点的个数。

1）当 = 1时(该位置是GT中心点)：

• 简单样本：当​ = 1时(正样本)，易分类样本的预测值接近为1，此时就表示一个很小的数值，损失函数loss的数值就比较小，起到了降低该样本权重的作用。
• 难样本：当​ = 1时(正样本)，难分类样本的预测值接近为0，此时 就表示一个较大的数值，此时损失函数的数值就比较大，起到了增加该样本权重的作用。

2）当 != 1(该位置为背景时)：

• 作用：当 ​ != 1时，我们期望预测值应该为0，因此使用抑制预测值的得分过高，利用来充当惩罚项。预测值(得分)越接近1，惩罚项的值就越大，使loss值也变大。
• 作用：是用来减少对前景GT中心点附近关键点的惩罚(即，靠近GT中心点附近的关键点给予较小的惩罚)。因为是一个高斯核生成的中心点，在中心点 = 1，但是在中心点周围扩散会由1慢慢变小但是并不是直接为0，当前位置距离GT中心点越近，值越接近1，数值也就越小，同时loss值也变小，因此可以减轻GT中心点附近关键点的惩罚力度。

3.2 中心点偏移损失函数

        上面公式展示了损失函数，其中表示网络预测的偏移量数值，p表示图像中心点坐标，R表示Heatmap的缩放因子(下采样倍数R=4)， 表示缩放后中心点的近似整数坐标，整个过程利用L1 Loss计算正样本块的偏移损失。由于骨干网络输出的 feature map 的空间分辨率是原始输入图像的1/4。即输出 feature map 上的每一个像素点对应到原始图像的一个4x4 区域，这样使得特征图重新映射到原始图像上的时候会带来位置误差，因此引入了偏置的损失值。
  假设目标中心点p为(125, 63)，由于输入图片大小为512*512，缩放尺度R=4，因此缩放后的128x128尺寸下中心点坐标为(31.25, 15.75), 相对于整数坐标(31, 15)的偏移值即为(0.25, 0.75)，即为。

3.3 目标长宽损失函数

        其中N表示关键点的个数，Sk表示目标的真实尺寸，表示预测的尺寸，整个过程利用L1 Loss来计算正样本块的长宽损失。

4. CenterNet推理阶段流程

CenterNet网络的推理阶段的实现步骤如下所述：

• 步骤1-首先将输入图片缩放到512*512大小(长边缩放到512，短边补0)；
• 步骤2-然后通过主干网络提取特征(feature map1尺寸16*16)
• 步骤3-通过反卷积模块Deconv，三次上采样得到feature map2尺寸为1x64x128x128；
• 步骤4-将feature map2分别送入三个分支进行预测，预测heatmap尺寸为1x80x128x128(表示80个类别)，预测长宽尺寸为1x2x128x128(2表示长和宽)，预测中心点偏移量尺寸为1x2x128x128(2表示x, y) ；
• 步骤5-在128*128大小的Heatmap图上面采用一个3*3大小的最大池化操作来获取Heatmap中满足条件的关键点（类似于anchor-based检测中nms的效果），并选取100个关键点；
• 步骤6-最后根据confidence阈值来过滤出最终的检测结果。

5. CenterNet网络性能分析

5.1 不同主干网络的性能

Centernet不同主干网络的精度对比

Centernet与其它网络的精度对比

参考链接：

https://blog.csdn.net/WZZ18191171661/article/details/113753991#commentBox

https://www.cnblogs.com/silence-cho/p/13955766.html

https://oldpan.me/archives/anchor-free-ture-centernet