目标检测论文解读Objects as Points：CenterNet

这篇论文中了CVPR 2019。作者的想法非常具有创新性，center net不仅仅可以用于目标检测，它具有很强的鲁棒性，可以迁移到姿态识别、3D检测等其他视觉任务中。相信读到这里的读者已经对之前的目标检测算法有了一定的了解，所以本文不再对比之前的做法，直接解释center net的做法，最后进行总结

BackBone

CenterNet想要提取输入图像的特征，以heatmap的形式来检测目标。论文中给出了三种BackBone：ResNet-18、DLA-34、Hourglass-104，检测速度依次下降，检测精度依次上升。经过BackBone的提取，输出heatmap。输入的heatmap相比于初始图像，尺寸只减小了4倍，最后的offset微调也会方便很多。

detect points

我们这一步的目标是预测center，对于真实的标签来说，我们使用对一个bbox进行说明，对于bbox的center，我们认为是这样就找到了真实的图像中的center，然后再图像中使用二阶高斯分布，center为中心点，概率值为1，如果有多个目标在某个点的概率值重叠，选取较大的值作为概率值，对于预测corner，我们得到了经BackBone提取的热力图，这一步我们将heatmap中的峰值像素点找出，具体的方法是判断是否一个点大于或者等于他周围的八个点，就找到了预测center，可以带入高斯公式得到概率值。接下来便是计算损失函数

这一步的损失函数可以用focal loss表示为（论文中α=2，β=4属于超参数）：

N为峰值点数量，当GT为1时，如果预测准确，则该点的损失函数为0，若预测值不为1时，随着)的减小，损失也越大。
在经过4倍下采样后，关键点的位置信息会丢失一部分，为了弥补这部分误差，使用L1loss弥补偏差位置，以便于更好的得到关键点。

希望经过训练后得到一个对于所有class，值共享的O(offset)

how center be bbox

我们可以预测到center，那么如何得到他的bbox？，是真实的bbox左上、右下点的坐标，为了得到预测的bbox的尺寸，用L1 loss训练Lsize

为预测的尺寸，Sk为真实尺寸。
至此，所有的损失函数已经提出（λsize=0.1,λoff=1）
最后预测的bbox位置，大小是：每个坐标的第一个值是预测到的center,第二个值是offset，第一个值加第二个值就是center，第三个值就是画出了bbox的大小和位置。

整个网络最后输出的是一个C+4的值，C为类别数，4为坐标

实验结果

总结

优点：

• 不使用anchor，减少超参数量
• 不使用NMS后端处理，直接输出Bbox
• 由于没有了anchor NMS,速度快了许多，精度也提升了许多
• 鲁棒性强，不仅仅可以用于普通的目标检测，在姿态检测、3D检测也取得了显著提升

缺点：

• 当两个物体过于接近，会将他们检测为1个目标