Objects as Points

code

概述

---

• 要解决的问题
  • One-stage anchor-free object detection
• 采用的方法
  • 构建模型时将目标作为一个点——即目标BBox的中心点。我们的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
• 结果如何
  • 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

细节

---

• 1、input&output
  输入是$I\in R^{W\ast H\ast 3}$，输出则是$\hat{Y}\in [0,1{]}^{\frac{W}{S}\ast \frac{H}{S}\ast C}$，$S$表示的是output stride，论文中取4，$C$表示的是keypoint types，如：在姿态估计中$C=17$，在目标检测中式$C=80$。 backbone会用三个不同的全卷积网络：(1)stacked hourglass network, (2)upconvolution residual network, (3)deep layer aggregation(DLA)
• 2、target：
  Gaussian kernel：
  
  focal loss:N是图像中keypoint的数量
  
  offset prediction：对于每一个center point，所有的C（类别，channel）共享offset prediction，预测的offset的值跟真实center与预测center差值之间的Loss
  
• 3、Objects as Points
  找出了目标中心点，那么还需要回归出目标的尺寸大小，下列式子的k表示框中的目标是属于类别$C_k$，为了减少计算，这个尺寸计算的$\hat{S}\in R^{\frac{W}{S}\ast \frac{H}{S}\ast 2}$
  
  L1 loss：网络的每个location共有$C+4$个输出，其中分别是类别，center point, width, height, offset。
  

总的loss

Result

---

• 不同的backbone产生的结果
  
• 与各大state-of-the-art作比较
  

Conclusion

---

暂缓