CenterNet：用于目标检测的关键点三元组
计算机视觉与模式识别
2019-04-22 v3
摘要
在目标检测中，基于关键点的方法常常遭受大量不正确目标边界框的困扰，这或许是由于缺乏对裁剪区域的进一步审视。本文提出了一种高效的解决方案，以最小代价探索每个裁剪区域内的视觉模式。我们在名为 CornerNet 的代表性单阶段基于关键点的检测器之上构建框架。我们的方法名为 CenterNet，将每个对象检测为关键点的三元组而非成对关键点，从而提高了精确率和召回率。相应地，我们设计了两个定制模块，名为级联角点池化和中心池化，分别起到丰富由左上和右下角点收集的信息以及在中心区域提供更具可辨识性信息的作用。在 MS-COCO 数据集上，CenterNet 取得了 47.0% 的 AP，比所有现有单阶段检测器至少高出 4.9%。同时，凭借更快的推理速度，CenterNet 展现出与排名靠前的两阶段检测器相当的性能。代码可在 https://github.com/Duankaiwen/CenterNet 获取。
引用
@article{arxiv.1904.08189,
title = {CenterNet: Keypoint Triplets 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:1904.08189},
year = {2019}
}
备注
10 pages (including 2 pages of References), 7 figures, 5 tables