计算机视觉系列-轻松掌握 MMDetection 中常用算法：CenterNet
CenterNet简介
论文链接：https://arxiv.org/abs/1904.07850
Objects as Points：对象作为点
检测将对象识别为图像中的轴对齐框。大多数成功的对象检测器都会列举几乎详尽的潜在对象位置列表，并对每个位置进行分类, 这是浪费的、低效的，并且需要额外的后处理。在本文中，我们采用了不同的方法。我们将一个对象建模为一个点——它的边界框的中心点。我们的检测器使用关键点估计来找到中心点并回归到所有其他对象属性，例如大小、3D 位置、方向，甚至姿势。我们基于中心点的方法 CenterNet 比相应的基于边界框的检测器具有端到端的可微分、更简单、更快且更准确。CenterNet 在 MS COCO 数据集上实现了最佳的速度-准确度权衡，在 142 FPS 时 AP 为 28.1%，在 52 FPS 时 AP 为 37.4% 和 45。1% AP 以 1.4 FPS 进行多尺度测试。我们使用相同的方法来估计 KITTI 基准中的 3D 边界框和 COCO 关键点数据集上的人体姿势。我们的方法与复杂的多阶段方法具有竞争力并实时运行。