CornerNet 论文阅读笔记

ConerNet是一种利用关键点对（目标box的左上角点和右下角点）来实现目标检测的深度学习算法。

其无需anchor，但也是一种one stage的方法。

几个关键点：

1. 神经网络的主干用 hourglass 网络

• CornerNet 用两个hourglass级联起来
• hourglass 的结构渐渐成为目标检测网络的主流

2. 对hourglass 网络输出的最后一层 feature maps 用 corner pooling

• Top-Left Poolong 用来检测左上角的角点。其为Top Pooling和Left Pooling之和
• Bottom-Right Pooling 用来检测右下角的角点。其为Bottom Pooling和Right Pooling之
• 不像SSD用了多层不同的feature map检测目标，CornerNet只利用了最后一层feature map

3. 做corner pooling后预测三部分：

• heatmap  -->  用来定位corner
• embedding  -->  用来确定corner是否属于同一个bounding box
• offset  -->  用来提高corner定位精度

4. 三部分对应的损失函数：

• heatmap  --  用focal loss
• embedding --  用 “pull” loss来组合相同bounding box的corner，用“push” loss来区分不同bounding box的corner
• offset  -- 用 smooth L1 loss

5. 训练相关

• 用 pytorch框架
• 数据扩增的方法：
  • andom horizontal flipping, random scaling, random cropping and random color
    jittering
  • 对输入图像做PCA
• 用Adam优化器