CornerNet:将目标检测为成对关键点
计算机视觉与模式识别
2019-03-20 v2
摘要
我们提出 CornerNet,一种新颖的目标检测方法,其中我们使用单个卷积神经网络将一个目标边界框检测为一对关键点,即左上角与右下角。通过将目标检测为成对关键点,我们消除了先前单阶段检测器中常用的一组锚框的设计需求。除了我们的新颖表述外,我们引入了角点池化(corner pooling),一种帮助网络更好地定位角点的新型池化层。实验表明,CornerNet 在 MS COCO 上取得了 42.2% 的 AP,优于所有现有的单阶段检测器。
引用
@article{arxiv.1808.01244,
title = {CornerNet: Detecting Objects as Paired Keypoints},
author = {Hei Law and Jia Deng},
journal= {arXiv preprint arXiv:1808.01244},
year = {2019}
}
备注
Extended version with additional results. Test AP on MS COOO improved from 42.1% to 42.2% after a bug fix