CenterNet 代码阅读笔记一（Keras版本）

前言

大家好！这篇博文将记录近期学习CenterNet模型（Keras版本）代码的收获，主要用于自己将来需要时查看，若能够为大家提供微薄帮助，将是本人莫大荣幸。

CenterNet是2019.4月刚提出的目标检测模型，号称目前准确率最高的算法（远超Yolov3）。由于理论较新，目前相关开源代码只有源码的Pytorch版本和第三方的Keras版本（若大家发现其他版本烦请告知，万分感谢）。由于本人对Keras较为熟悉，就先学习了Keras版本的Code。现将学习心得记录如下，如有不正确的地方，请大家指出，我将及时改正。欢迎骚扰讨论，共同进步~~

原版：Pytorch版本

第三方版：Keras版本

几点说明

目前，对Keras版本整体代码尚没有全部看完，只是将自认为重要的，跟代码运行相关的部分学习了一下。因此，本文是根据自身的学习脉络进行介绍，若学习了更多的相关内容，会不定期补充。下面将本文及代码范围进行简要说明：

1. 我目前主要研究图像的目标检测，因此也只重点的学习了代码图像目标检测的部分；
2. 该版本CenterNet的代码只能够应用训练好的模型（基于COCO数据库）进行目标检测，不能够训练自己的图像数据；
3. 该版本代码的backbone只采用Hourglass Network，没有包含其他网络。
4. 本篇博文是CenterNet代码学习系列的第一篇文章，只介绍代码运行相关文件关系及作用，代码详细说明将在后续陆续更新，敬请关注。

代码架构

代码架构如下图所示：

其中“assets”文件夹下，存放了标注结果时所需的字体文件（.ttf）以及所有待测试图片，如下图所示：

“keras-centernet”文件夹下，存放的是代码运行所需的功能函数（bin）、模型函数（models, 目前只有hourglass net）以及模块函数（utils），如下图所示：

“bin”文件夹下，共包含6个文件，其中“cedet”开头的文件用于目标检测，“hpdet”开头的文件用于人体姿态检测。本文使用的文件为“dtdet_image.py”，用于对图像进行目标检测。

“models”文件夹下，包含一个“networks”文件夹和一个“decode.py”文件，而“networks”文件加下，目前只有一个“hourglass.py”文件，这里建立文件夹也应该是作者为添加别的backbone模型做的准备（自己的猜想）。这两个文件是代码运行的重要文件，运行至均会调用文件中的函数，其具体原理将在以后的博文详细阐述。

“utils”文件夹下，包含两个模块代码文件，主要将一些模块化功能的函数封装起来，以方便调用，具体代码说明也将后续补充。

以上将整体代码架构进行了介绍，希望能够帮助大家更方便的理清思路，快速上手。

代码运行

代码的使用方式可参照作者官方的GitHub说明，图像目标检测的执行代码是“/bin/ctdet_image.py”。具体代码如下图所示：

本人运行环境为Ubuntu16.04，windows上尚未测试，不知是否需要修改代码。下面附几张基于Hourglass Network为backbone的CenterNet的运行结果：


以上图片都是在网上随便找的，大家也可以多找些图进行测试。

总结

以上对CenterNet（Keras版本）代码做了简要介绍，代码的详细解析将在后续更新，敬请关注。若有帮助，不胜荣幸，欢迎搬文，请注引用。谢谢。