人の姿勢推定に基づいて吸気のcornerNet源は、熱図角予測、また、トーラス・ネットワークからの姿勢推定対角線グループ化による埋め込みベクターバックボーンネットワークを考えました。
次のようにcornerNet一般的なフレームワーク構造は次のとおりです。
CornerNetモデルアーキテクチャは、3つの部分から構成：トーラス・ネットワーク、左上図の熱の右下隅、予測モジュール
（低から高解像度）の手順を（低解像度高解像度から）ボトムアップから同時に複数を含み、上から下へのトーラス・ネットワーク。この設計の目的は、各スケールで情報を取得することです。
埋め込まれたターゲットベクターようにオフセット発生境界近い位置決めフレームを調整するための同じ2つの頂点（左上と右下）の最短距離、。
コーナーネット最大の明るいスポットは、予測使用の本来の目的ということであるアンカーメカニズム 2つのに置き換えキーポイントここでの表現は、左上のポイントとポイントの右下隅には、ターゲットの位置を決定することです。
まず、そうすることの利点は、大幅に計算の複雑さを軽減、パラメータ（アンカーを必要なパラメータ）の量を減らすことはできません。第二は、もはや使用アンカーメカニズムである元のターゲット検出、大幅に計算量を削減することができます。
最も重要なコーナープーリングモジュール：図後部アクセス機能 （コーナーにより以下の2点を中心に効果的なプーリング。- センターフレームを標的とするかを決定することは困難であり、関連するバウンディングボックスの四辺が、両側の境界ボックスの頂点に関連付けられた各のみ、抽出するコーナーが容易
- 頂点がより効果的に離散的な空間的境界を提供することができ、O（WH）は、頂点O（w2h2）アンカーボックスを表すことができます
例えば左上予測点、最大プーリング点の結果を得るために結果を合計、それぞれの二方向の動作をプール各点MAX、
図6は、計算ステップです。
（H、W）の図の特徴サイズ、左上座標（0、0）、例えば、図ある点（i、j）をプーリング機能計算は、まず、図の特性の範囲の右側に、この点から計算されます。最大値、およびその後の計算
特徴点の最大値が低い範囲を例に、これらの2つの値は、トウモロコシのプールの結果に追加されます。
図7は、図は、それぞれのモジュールに第一の特徴、コーナープーリング・モジュールを抽出し、プーリング操作が右下に左上の基本ブロック予測です。
それぞれ得られた結果、すなわちヒートマップ、埋め込み、オフセット二つの重要な三つのモジュールを予測し、中間の接続をスキップ含む、改良された残差モジュールです。
すなわち、コーナーは、予測結果をヒートマップ、目標点マッチングの左右の角2点を得るために、埋め込まれた動作を埋め込み、Qoffsets誤差量が算出される（精度情報を撮影時全体を計算することは失われます）。
部分工程を予測しました。
1は、予測コーナーを取得した後、これらのコーナーは、NMSの操作を行います、左上隅には、右下隅を選択する前に、100と100を指しています。
図2に示すように、コーナー点の左右の角を算出L1ノルム距離埋め込みベクターを使用して、ターゲットからの2点が0.5よりも大きい、又は異なるクラスからペアを構成することができません。
ネットワークの入力ではなく、サイズ変更としてサイズを指定0充填方法を用いて得られた図3に示すように、テスト画像、一方、追加のテスト画像の水平フリップビューと2つの融合結果。
4、そして最終的にのみ第1予測ブロック100を保持するために、ソフトNMS操作による冗長ブロックを除去します。
ヒートマップは、我々は、サンプルを識別するための難易度に大きな注意を集中し続け、焦点損失の改良版を使用します。
埋め込み部：左上隅と右下隅の角の点が同じ目標に属している場合、次に、埋め込みベクトルの間の距離は最小でなければならないの両方。このように、コーナー点の集合が決定されます。
次の参照記事をありがとう
参考リンク：https://blog.csdn.net/u014380165/article/details/83032273（作成者：魏開封 主な研究分野：オブジェクト検出、画像認識、画像対立、加速圧縮モデル、彼の記事を参照することをお勧めします、詳細かつ明確に。）