CornerNet: Detecting Objects as Paired Keypoints

CornerNet是一種anchor free的目標檢測方法，不須要設置anchor，而是經過檢測關鍵點(Keypoints)，即目標的左上角(Top-Left Corners)和右下角(Bottom-Right Corners)，再進行配對，來實現目標的檢測。

網絡的前半部分是一個卷積網絡，後半部分是兩個獨立的分支，一個檢測Top-Left Corners，另外一個檢測Bottom-Right Corners，兩個分支分別生成一個熱圖，來預測每個位置是Top-Left Corner或者Bottom-Right Corner的置信度。預測使用一種新的組件：Corner pooling。Top-Left Corners或者Bottom-Right Corners一般在目標以外，因此在每個位置須要向右看和向下看，即向右最大化池化和向下最大化池化，再將兩個值相加。

因爲卷積網絡獲得的點的位置不可能和GT目標的Top-Left Corners或者Bottom-Right Corners恰好重合，因而規定只要點的位置和GT目標的Top-Left Corners或者Bottom-Right Corners在一個半徑以內，就把相應的點做爲正樣本訓練，半徑的大小要確保半徑內的一對點生成的邊界框與GT的IoU ≥ t，t的值論文設置爲0.7。

 

參考文獻：CornerNet: Detecting Objects as Paired Keypoints