用于目标检测的 CenterNet++
计算机视觉与模式识别
2022-04-19 v1 人工智能
摘要
目标检测有两条主流路线：自顶向下与自底向上。最先进的方法大多属于第一类。在本文中，我们证明自底向上方法与自顶向下方法同样具有竞争力，且享有更高的召回率。我们的方法名为 CenterNet，将每个目标检测为一 triplet 关键点（左上角、右下角与中心关键点）。我们首先通过一些设计的线索对角点分组，并进一步由中心关键点确认目标。角关键点赋予该方法检测各种尺度与形状目标的能力，而中心关键点避免了大量假阳性提案带来的混淆。我们的方法是一种无锚框检测器，因为无需定义显式锚框。我们将该方法适配于不同结构的骨干网络，即“沙漏”状网络与“金字塔”状网络，它们分别在单分辨率特征图与多分辨率特征图上检测目标。在 MS-COCO 数据集上，采用 Res2Net-101 与 Swin-Transformer 的 CenterNet 分别取得 53.7% 与 57.1% 的 AP，优于所有现有自底向上检测器并达到最先进水平。我们还设计了一个实时 CenterNet，以 30.5 FPS 下 43.6% 的 AP 在精度与速度间取得良好权衡。https://github.com/Duankaiwen/PyCenterNet。
引用
@article{arxiv.2204.08394,
title = {CenterNet++ for Object Detection},
author = {Kaiwen Duan and Song Bai and Lingxi Xie and Honggang Qi and Qingming Huang and Qi Tian},
journal= {arXiv preprint arXiv:2204.08394},
year = {2022}
}
备注
11 pages, 9 figures, 8 tables. arXiv admin note: substantial text overlap with arXiv:1904.08189