目标检测Anchor-free分支：基于关键点的目标检测

Posted

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了目标检测Anchor-free分支：基于关键点的目标检测相关的知识，希望对你有一定的参考价值。

参考技术A cornerNer论文链接： https://arxiv.org/pdf/1808.01244.pdf
github： https://github.com/umich-vl/CornerNet
CenterNet论文链接： https://arxiv.org/abs/1904.08189
github： https://github.com/Duankaiwen/CenterNet
CornerNe-Lite论文链接: https://arxiv.org/abs/1904.08900
github: https://github.com/princeton-vl/CornerNet-Lite

所谓基于关键点进行目标检测，其实就是使用one-stage网络将目标边界框检测为一对关键点（即边界框的左上角和右下角）。通过将目标检测为成对关键点，就可消除现有的one-stage检测网络中对一组anchors的需要，这个最近火热的anchor-free也是不谋而合。接下来，先简单介绍下CornetNet和CenterNet这两个基于特征点的目标检测网络。最后对CornerNet-Squeeze做个简单介绍！

CornerNet网络的整体思路是，首先通过Hourglass Network网络进行特征提取，紧接着将网络得到的特征输入到两个模块： Top-left Corner pooling 和 Bottom-right Corner pooling 提取关键点的特征，对于每个Corner Pooling模块都会进行目标框的左上角关键点和右下角关键点的类别分类（ Heatmaps ），并找到每个目标的一对关键点（ Embeddings ），以及减少基于坐标回算目标目标位置时的偏置（ offsets ）。网络的整体结构图如下：

很显然，CornerNet的核心是四个部分：

最终，如下图所示，上半支路的网络结果如下所示，网络最终是由两条支路组成的。

CenterNet网络主要是基于CornerNet网络存在的问题，而提出的基于关键点目标检测的网络。其实现了目前为止在one-stage系类算法中最高的MAP。CenterNet的作者发现，CornerNet是通过检测物体的左上角点和右下角点来确定目标，但在此过程中CornetNet使用corner pooling仅仅能够提取到目标边缘的特征，而导致CornetNet会产生很多的误检。基于此，CenterNet利用关键点 三元组 即 中心点、左上角关键点和右下角关键点 三个关键点而不是两个点来确定一个目标，使得网络能够获取到目标内部的特征。而CornerNet在论文中也说道了，约束其网络性能最重要的部分是关键点的提取，因此CenterNet提出了 Center Pooling 和 cascade corner Pooling 用来更好的提取本文提出的三个关键点。

作者基于Corner Pooling的系列思想，提出了Center Pooling的思想，使得网络提取到的中心点特征能够更好的表征目标物体。

最终，CenterNet在CornerNet的基础上增加了中心点的预测，以及修改了关键点特征的提取方式，大大减小了网络的误检，并且实现了one-stage系列算法中的最好效果。

普林斯顿大学在4月19号提出了两种更高效的基于关键点的目标检测算法，分别为： CornetNet-Saccade 和 CornetNet-Squeeze ，若将两种策略结合则称为 CornerNet-Lite 。

以下是Cver对这两个网络的介绍，个人感觉写的很好，我就不造轮子了：

最终我最感兴趣的网络CornerNet-Squeeze和YOLOv3进行对比，达到了如下图所示的效果。

然而，就在我学习并总结这篇文章的过程中，我发现CornerNet-Squeeze是基于CornerNet改进的，但正如上文中介绍CenterNet的时候提到过的CornerNet所具有的那些弊端，我总觉得CornerNet-Squeeze在误检的部分不一定会很优秀，所以接下来就是看源码阶段了，希望CornerNet-Squeeze能够不负我望哈~

GitHub | Anchor-free目标检测最全资料集锦


前言


Anchor-free 目标检测 无疑是近一两年内目标检测非常重要的研究方向之一，Amusi 觉得特别是得益于DenseBox、CornerNet、FCOS和CenterNet等网络的创新性提出。

近两年里，CVPR 2019、ICCV 2019、CVPR 2020和ECCV 2020上出现了不少anchor-free目标检测的优质工作。"先富带后富"，近来也有若干anchor-free目标跟踪网络的提出。


Amusi 在本文要分享的是目前最全，最新的anchor-free目标检测论文合集。


Anchor-free目标检测



https://github.com/XinZhangNLPR/awesome-anchor-free-object-detection


本项目共计涵盖 24篇anchor-free目标检测论文，其中论文大多为顶会且已开源！