CenterNet: Keypoint Triplets for

《CenterNet: Keypoint Triplets for Object Detection》发表于CVPR2019

代码地址：https://github.com/Duankaiwen/CenterNet

它是之前一篇《CornerNet: Detecting Objects as Paired Keypoints》文章的改进版，与CornerNet相同的是它们都是one-stage的方法，没有引入anchor的操作。CornerNet是通过预估框的左上角点和右下角点来得到物体的预测框，但centernet认为只预测物体的角点位置并没有很好的利用框内的信息，这样容易导致误检。所以文章提出一种新的检测方式，通过预测出物体的左上角点右下角点和物体的中心点，进而来预测出物体的位置。

下面来看看文章的具体做法

一、网络结构

网络结构和CornerNet一样，采用的是hourglass作为backbone，整体流程如下图所示

1.png

关于backbone的问题不在具体描述，可以参考《CornerNet: Detecting Objects as Paired Keypoints论文详解》

，或者查看作者公开的代码。下面只讨论一下文章的新思路。

1.1 使用三点表示一个检测框

文章采用的是左上角点，右下角点，中心点表示物体的检测框，所以文章的处理流程与CornerNet不太一样。但是角点和中心点的表示和估计方法和CornerNet一致，这里不重复说明，可以先看看《CornerNet: Detecting Objects as Paired Keypoints论文详解》。

处理流程描述如下：

1. 根据网络的输出，选取分数在前k的中心预测点
2. 根据中心点的offset的估计，将中心点在原图中的精确定位计算出来
3. 根据预先定义的物体框中心区域，查看中心区域里是否包含上面预测的中心点。（这里提到的中心区域下面会详细说明）
4. 如果满足3)条件，就保留预测的物体框。

上面提到一个中心区域的问题。看看如何定义这个中心区域，因为对于大框来说预测的中心点更大概率能落在框的中心区域，对于小框来说落在中心区域的概率更小。为了更好的适应框的大小，预测的中心点保证大小框的概率差距不那么大，这里做了如下操作。类似于roi pooling，将预测的框按照和两种情况等分，其中边框小于150的用划分，大于150的用划分。这里说的150，代码采用的是边框的长宽相乘是否大于22500来表示。
划分操作如下图所示。

2.png

1.2 丰富角点和中心点的信息

对于角点和中心点的信息丰富操作采用的是如下图的方式

3.png

中心点
通过backbone的输出的中心点预测的featuremap，为了更好的确定哪些是真的得中心点，文章提出了center pooling，如上图的a所示，通过将featuremap上的预测点在其水平和竖直方向都找到最大值，然后将两个方向的最大值相加作为预测中心点的值。

角点
不同于CornerNet，文章提出了cascade corner pooling。如上图的b和c，类似于CornerNet先从预测的角点处找到边界上的最大值，然后根据边界上的最大值在相应的方向再次寻找框内部的最大值，最后将两次的最大值相加得到角点的最终值。上面说的相应方向指的是，对于上边界、下边界、左边界、右边界的最大值点来说，分别搜索的方向是竖直向下、水平向右、竖直向上、水平向左。

从上面的描述可以可以看出这些操作可以很容易的通过CornerNet中提出的Corner pooling来扩展。通过原来的Corner pooling扩展出的两种新的pooling方式如下图所示

4.png

二、损失函数

基本和CornerNet相同，只是多了一个中心点的预测loss和中心点位置偏移的loss计算。公式表示如下：

其中和是focal loss，和同CornerNet是计算角点匹配提出来的loss，和使用的是l1 loss，上式中的分别取0.1、0.1、1。

原理基本就这些，更多的实验结果可以查看原文。