CenterNet 代码阅读笔记三（Keras版本）

前言

大家好！上篇博文中主要介绍了CenterNet的backbone的建立与架构，这篇博文将介绍获得基于Hourglass Network的backbone模型后，运用CenterNet实现目标检测的原理。由于该代码只提供了检测部分，没有提供训练部分，因此，本篇博文的内容也只包含CenterNet检测实现部分。

代码结构

本系列博文主要以“ctdet_image.py”代码为核心，分析基于CenterNet实现图像目标检测过程。代码如下图所示：

本篇博文将重点分析CenterNet检测的实现过程，即“CtDetDecode()”函数。

decode.py

“CtDetDecode()”函数的具体实现在“decode.py”代码文件中，其主体函数为“CtDetDecode()”：

该函数分别调用"_ctdet_decode()“函数，结合backbone模型的输出，最终获得目标检测结果及其模型，最终检测结果输出为左上角坐标”(_x1, _y1)"，右下角坐标"(_x2, _y2)"，分类结果概率"_scores"以及目标所属类别"_classes"。"_ctdet_decode()"函数代码说明如下所示：

上述过程中如何获得目标的中心点坐标、目标的范围以及矫正偏移量是难点，作者也设计的非常的巧妙，充分利用了张量变化及运算。这部分详细推导过程将在CenterNet源码（pytorch版本）中进行介绍，这里不再展开。

总结

至此，CenterNet 代码阅读笔记（Keras版本）已全部更新完毕（这篇好像有点水~~）。下一阶段，我将对CenterNet源码进行学习，详细剖析CenterNet的训练过程，该过程才是整个算法的核心。同时，也会将学习心得记录下来，敬请期待。

代码原作者GitHub链接： https://github.com/see--/keras-centernet