CornerNet-Lite：基于关键点的高效目标检测
计算机视觉与模式识别
2020-09-18 v2
摘要
基于关键点的方法是目标检测中一种相对较新的范式，它消除了对锚框的需求并提供了简化的检测框架。基于关键点的 CornerNet 在单阶段检测器中实现了最先进的精度。然而，这种精度是以高昂的处理成本为代价的。在这项工作中，我们解决了高效基于关键点目标检测的问题，并引入了 CornerNet-Lite。CornerNet-Lite 是 CornerNet 的两个高效变体的组合：CornerNet-Saccade，它使用注意力机制来消除彻底处理图像所有像素的需求；以及 CornerNet-Squeeze，它引入了一种新的紧凑骨干网络架构。这两个变体共同解决了高效目标检测中的两个关键用例：在不牺牲精度的情况下提高效率，以及在实时效率下提高精度。CornerNet-Saccade 适用于离线处理，在 COCO 上将 CornerNet 的效率提高了 6.0 倍，AP 提高了 1.0%。CornerNet-Squeeze 适用于实时检测，提高了流行的实时检测器 YOLOv3 的效率和精度（CornerNet-Squeeze 在 COCO 上为 30ms 达到 34.4% AP，而 YOLOv3 为 39ms 达到 33.0% AP）。这些贡献首次揭示了基于关键点的检测对于需要处理效率的应用的潜力。
引用
@article{arxiv.1904.08900,
title = {CornerNet-Lite: Efficient Keypoint Based Object Detection},
author = {Hei Law and Yun Teng and Olga Russakovsky and Jia Deng},
journal= {arXiv preprint arXiv:1904.08900},
year = {2020}
}
备注
Accepted to BMVC 2020