CenterNet :Objects as Points阅读笔记（未完待续）

一、概述

这个文章作者在构建模型时将目标作为一个点——即目标BBox的中心点。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。

论文创新点：

第一，我们分配的锚点仅仅是放在位置上，没有尺寸框。没有手动设置的阈值做前后景分类。（像Faster RCNN会将与GT IOU >0.7的作为前景，<0.3的作为背景，其他不管）；

第二，每个目标仅仅有一个正的锚点，因此不会用到NMS，我们提取关键点特征图上局部峰值点（local peaks）；

第三，CenterNet 相比较传统目标检测而言（缩放16倍尺度），使用更大分辨率的输出特征图（缩放了4倍），因此无需用到多重特征图锚点；
对物体的中心点位置进行预测，同时预测物体的大小。

二、网络结构

​输入图像：其宽W，高H:

我们目标是生成关键点热力图:

其中R 是输出stride（即尺寸缩放比例），C是关键点类型数（即输出特征图通道数）；关键点类型有： C = 17 的人关节点，用于人姿态估计； C = 80 的目标类别，用于目标检测。我们默认采用下采用数为R=4 。
对于 Ground Truth（即GT）的关键点 c ,其位置为p，计算得到低分辨率（经过下采样）上对应的关键点为：

作者将 GT 关键点 通过高斯核：

其中

是目标尺度-自适应 的标准方差。

可得到feature map经过变换后的结果：

如果对于同个类 c （同个关键点或是目标类别）有两个高斯函数发生重叠，我们选择元素级最大的。训练目标函数如下，像素级逻辑回归的focal loss：

其中 alpha 和beta是focal loss的超参数，实验中两个数分别设置为2和4， N是图像 I 中的关键点个数，除以N主要为了将所有focal loss归一化。

由于图像下采样时，GT的关键点会因数据是离散的而产生偏差，我们对每个中心点附加预测了个局部偏移 :

所有类别 c 共享同个偏移预测，这个偏移同个 L1 loss来训练：

只会在关键点位置 p_hat做监督操作，其他位置无视。下面章节介绍如何将关键点估计用于目标检测

Objects as points目标检测

参考：https://blog.csdn.net/c20081052/article/details/89358658