论文阅读Objects as Points 又 CenterNet | 目标检测
Posted xxxxxxxxx
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了论文阅读Objects as Points 又 CenterNet | 目标检测相关的知识,希望对你有一定的参考价值。
Abstract
当前,许多效果不错的目标检测算法都需要枚举很多可能的位置并对它们进行一一分类,这些方法不仅浪费资源,而且需要后期处理(一般指NMS),十分低效。在这篇论文中,我们使用了不一样的算法——将待检目标预测为一个点(该目标的边框中心)。我们的算法使用关键点预测来发现中心点,并回归得到该目标的其他特征,比如尺寸、3D位置、方向甚至姿势。相比于那些基于 Bounding box 的检测器,我们的CenterNet是端到端的、更简单的、更快速且更准确的检测器。
Instruction
分析 CenterNet 的Loss公式
\[ L_det = L_k+\lambda_sizeL_size+\lambda_offL_off \]
第一部分:\(L_k\)
第二部分:\(L_size\)
第三部分:\(L_off\)
以上是关于论文阅读Objects as Points 又 CenterNet | 目标检测的主要内容,如果未能解决你的问题,请参考以下文章
Objects as Points:CenterNet 无锚检测算法的理解
目标检测anchor-free框架:CenterNet :Objects as Points
目标检测anchor-free框架:CenterNet :Objects as Points
CenterNet:Objects as Points代码解析 :CenterNetsrclib rainsctdet