【目标检测】《Objects as Points》论文阅读笔记

粗读一遍，主要捡了一些我觉得比较重要的。后续会看看大佬写的，然后重新读下论文，再补充。

1.摘要

通过对预测框的坐标（关键点）进行模拟，训练得到的模型。是一种比较经典的anchor free的检测方法。能够方便的运用到3D定位、方向、甚至是姿态识别中。

2.介绍

介绍中主要说明，这篇文章把检测坐标框的预测，转变为坐标框中心点坐标的预测。较快应用到其他的任务中。而且速度非常快。

并提供其代码：xingyizhou/CenterNet

3.相关工作

（1）区域分类：初期刚出现检测任务时，通过分配较多的候选框，对候选框中的内容进行分类的方式完成目标检测任务，比如RCNN，Fast-RCNN。

（2）预测锚框：由于很多锚框，计算量较大，所以通过预测锚框方式，完成目标检测任务。比如Faster-RCNN，通过一个RPN预测建议框，通过anchor与真实框IoU比值>0.7就是前景，anchor与真实框IoU比值<0.3就是背景。

（3）关键点预测：通过预测关键点，来得到相应的检测框。CornerNet，通过预测左上右下两个坐标点。

（4）单目3D目标检测：主要使用在自动驾驶领域。

4.预备知识

特征图计算如下：