目标即点

检测将图像中的物体识别为轴对齐的边界框。大多数成功的物体检测器枚举一个近乎穷举的潜在物体位置列表并逐一分类。这种做法浪费、低效，且需要额外的后处理。在本文中，我们采取了一种不同的方法。我们将物体建模为单个点——其边界框的中心点。我们的检测器使用关键点估计来寻找中心点，并回归到其他所有物体属性，如尺寸、3D位置、方向甚至姿态。我们这种基于中心点的方法CenterNet，是端到端可微分的，比相应的基于边界框的检测器更简单、更快且更准确。CenterNet在MS COCO数据集上取得了最佳的速度-精度权衡，在142 FPS下达到28.1% AP，在52 FPS下达到37.4% AP，以及在多尺度测试下以1.4 FPS达到45.1% AP。我们使用相同的方法在KITTI基准上估计3D边界框，并在COCO关键点数据集上估计人体姿态。我们的方法在与复杂的多阶段方法的竞争中表现相当，并且可以实时运行。